순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Variational Physics-informed Neural Operator (VINO) for solving partial differential equations
Mohammad Sadegh Eshaghi, Cosmin Anitescu, Manish Thombre 외 · Computer Methods in Applied Mechanics and Engineering · 2025년 · 조회 29
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2025-02 발표 · 피인용 208회 · FWCI 89.2 · 동년 인용 상위 1%
HOT PAPER 슬롯에 선정된 이유는 2025년 발표 이후 208회의 인용과 FWCI 89.2라는 높은 주목도를 기록하며, 변분 물리‑정보 신경 연산자 기술이 PDE 해결 분야에 혁신적 관심을 받고 있기 때문이다.
논문 요약
VINO는 변분 형태의 물리‑정보 신경 연산자로, PDE의 에너지 형태를 최소화하여 라벨 데이터 없이 학습한다. 도메인을 요소로 이산화하고 변분 포맷을 적용함으로써 기존 PINO에서의 방정식 계산 효율 문제를 해결하고, 기존 딥러닝 방법 및 전통적인 PDE 솔버보다 높은 정확도와 성능을 보였다. 다양한 베치마크 PDE에 대한 실험 결과가 이를 입증한다.
후속 연구설계에 활용하기
VINO를 서플라이 체인 시뮬레이션이나 다중 파라미터 PDE 탐색에 서러게이트 모델로 적용하면, 라벨 데이터 없이 빠른 예측이 가능하므로 설계 공간 탐색 및 최적화 연구에 활용할 수 있다.
핵심어
물리‑정보 신경망변분법편미분 방정식딥러닝 연산자
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.