공학 시뮬레이션 실무자는 비싼 전산유체역학(CFD) 및 유한요소해석(FEA) 솔버 실행 비용을 줄이기 위해 머신러닝 서로게이트를 배포하는 것과 관련된 실제 경험을 찾고 있습니다.
논의는 네 가지 주요 영역에 초점을 맞춥니다: 장 예측을 위한 그래프 신경망, 푸리에 뉴럴 오퍼레이터, MLP 등의 아키텍처 비교; 유사한 형상 간 데이터 효율성 및 전이 학습 평가: 물리 정보 신경망(PINNs)의 실용성 평가: 훈련 분포 외부의 일반화 과제 해결.
목표는 사용 가능한 정확도-속도 트레이드오프를 제공하는 접근 방식을 식별하고, ML 서로게이트가 실패하여 전체 솔버로 돌아가야 했던 지점을 파악하는 것입니다.