저자들은 표준 LM의 접공간 단계(매개변수 좌표에서 직선 업데이트를 적용)라는 한계를 해결하기 위해 리만 정규 좌표 Levenberg-Marquardt 방법(RNC-LM)을 제안합니다. 측지선 방정식을 재구성함으로써 RNC-LM은 측지선 가속을 임의 차수 보정으로 확장하고 점진적으로 더 높은 재매개변화 일관성을 가진 유한 단계 업데이트를 구성합니다.

  • 이 방법은 움직이는 접공간에서 잔차 가속도의 접선 성분을 차수별로 제거합니다.
  • 생성된 RNC 곡선을 따라 선 탐색을 수행하여 이동 거리를 제어하면서 비용을 표준 LM에 가깝게 유지합니다.
  • 고전적 비선형 최소제곱 벤치마크에서 RNC-LM은 굽은 계곡과 랭크 결핍 문제에서 수렴성과 강건성을 개선합니다.
  • 반응-확산 PINN 실패 모드 벤치마크에서 상대 L2 오차를 1e-3 차원으로 줄이고 물리적으로 의미 있는 해를 복원합니다.
  • 대규모 기계 학습 포텐셜 에너지 표면 피팅 작업에서 표준 LM 대비 34배의 속도 향상을 달성합니다.

RNC-LM은 실제 목적 함수 감소를 LM의 선형 모델 예측과 더 일관되게 만들어 복잡한 최적화 환경에서 성능을 향상시킵니다.