2nd/10_Wiki/Topics/AI_and_ML/Physics-informed-Neural-Networks.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by
wiki-2026-0508-physics-informed-neural-networks	Physics informed Neural Networks	10_Wiki/Topics	needs_review	self	AI-PINNS-001	none	A	1.0	ai Deep-Learning pinns Physics-informed-ml pde scientific-computing		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Physics-informed Neural Networks (PINNs, 물리 정보 신경망)

📌 한 줄 통찰 (The Karpathy Summary)

"데이터의 바다에 빠져 허우적거리지 말고, 불변의 물리 법칙이라는 나침반을 신경망의 심장에 직접 새겨라" — 딥러닝의 유연한 학습 능력과 물리 법칙(편미분 방정식 등)의 엄밀함을 결합하여, 물리적으로 타당한 예측을 수행하는 하이브리드 머신러닝 아키텍처.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: "Physics-constrained Loss Function" — 관측 데이터와 예측값 사이의 오차뿐만 아니라, 예측값이 물리 방정식(예: 나비에-스토크스, 열 방정식)을 얼마나 잘 준수하는지를 나타내는 '물리 손실(Physics Loss)'을 함께 최소화하도록 학습하는 패턴.
• 주요 장점:
  • Data Efficiency: 물리 법칙이 강력한 가이드라인 역할을 하므로, 훨씬 적은 양의 데이터로도 학습 가능.
  • Extrapolation: 학습하지 않은 영역에 대해서도 물리적 일관성을 유지하며 예측 가능.
  • Scientific Discovery: 관측값으로부터 역으로 물리 파라미터를 추정하는 문제(Inverse Problem) 해결에 탁월.
• 의의: AI를 단순한 데이터 분석 도구에서 '과학적 발견'과 '공학적 설계'의 핵심 파트너로 격상시킨 기술.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 물리 법칙은 수치 해석(FEM 등)으로만 풀어야 한다는 고정관념을 깨고, 이제는 신경망이 물리 공간의 연속적인 해(Solution)를 직접 근사하여 실시간 시뮬레이션을 가능케 함.
• 정책 변화: Antigravity 프로젝트는 향후 Skybound의 복잡한 물리 엔진 최적화 시, 데이터 노이즈에 강하면서도 물리적 개연성을 보장하는 PINNs 방법론을 적극 검토함.

🔗 지식 연결 (Graph)

• Partial-Differential-Equations, Optimal-Control-Theory, Fluid-Dynamics, Scientific-Computing-in-AI
• Raw Source: 10_Wiki/Topics/AI/Physics-informed-Neural-Networks.md

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A