본 논문은 복잡한 화학 반응으로부터 속도 계수를 추정하는 것을 다룹니다. 실제 대기 화학 시스템에 내재된 강성(stiffness)으로 인해 학습 기반 접근 방식을 사용한 효과적인 속도 계수 추정이 어렵다는 문제를 해결하기 위해, 강성 물리 정보 기반 신경 ODE 프레임워크(SPIN-ODE)를 제안합니다. SPIN-ODE는 세 단계 최적화 과정을 도입합니다. 첫째, 잠재 신경 ODE가 화학 농도와 그 시간 미분 사이의 연속적이고 미분 가능한 궤적을 학습하고, 둘째, 명시적 화학 반응 신경망(CRNN)이 학습된 동역학을 기반으로 기저 속도 계수를 추출하며, 셋째, 신경 ODE 솔버를 사용하여 CRNN을 미세 조정하여 속도 계수 추정을 더욱 개선합니다. 합성 데이터와 새롭게 제안된 실제 데이터 세트에 대한 광범위한 실험을 통해 본 접근 방식의 효과와 강건성을 검증합니다. 강성 신경 ODE를 이용한 화학 속도 계수 발견에 대한 최초의 연구로서, 신경망과 상세한 화학을 통합하는 유망한 방향을 제시합니다.
