데이터 기반 학습 모델을 통해 시공간 물리장을 생성하는 과정에서 발생하는 상당한 물리 방정식 불일치 문제를 해결하기 위해, 비정형 격자 정보를 입력으로 포함하는 하이브리드 Mamba-Transformer 아키텍처 기반의 시공간 물리장 생성 모델인 HMT-PF를 개발했습니다. 물리 정보로 향상된 미세 조정 블록을 도입하여 물리 방정식 불일치를 효과적으로 줄였습니다. 점 쿼리 메커니즘을 통해 물리 방정식 잔차를 계산하여 효율적인 기울기 평가를 수행하고, 잠재 공간으로 인코딩하여 개선했습니다. 미세 조정 과정에서는 자기 지도 학습 방식을 사용하여 필수적인 장 특성을 유지하면서 물리적 일관성을 달성했습니다. 결과적으로 하이브리드 Mamba-Transformer 모델은 시공간 장 생성에서 우수한 성능을 달성했으며, 물리 정보 기반 미세 조정 메커니즘을 통해 상당한 물리적 오류를 효과적으로 줄였습니다. 물리장 생성의 정확성과 현실성을 평가하기 위한 MSE-R 평가 방법을 개발했습니다.
