deltares.nl

이 이메일 도메인이 관측된 논문 1건

arXiv:2610.07211v1math.NA

선형 및 비선형 방정식 시스템을 위한 머신러닝 기반 반복법 개요

An overview of machine learning-enhanced iterative methods for systems of linear and nonlinear equations

방정식 시스템(systems of equations)은 광범위한 과학 및 공학 응용 분야에서 발생합니다. 본 연구는 편미분 방정식에서 발생하는 문제를 포함하되 이에 국한되지 않는 일반적인 방정식 시스템용 솔버(solver)에 초점을 맞춥니다. 이러한 시스템은 크게 선형 문제와 비선형 문제로 분류할 수 있습니다. 대규모 선형 시스템의 경우, 직접법(direct methods)의 계산 비용이 초선형적으로 증가하기 때문에 일반적으로 반복 솔버(iterative solver)가 선호됩니다. 계수 행렬에 대한 특정 가정 하에서 수렴(convergence) 이론이 잘 정립되어 있지만, 여전히 많은 종류의 시스템이 미해결 과제를 안고 있습니다. 이러한 어려움은 일반적으로 반복적인 선형화에 의존하는 비선형 방정식 시스템에서 더욱 심각해집니다. 예를 들어, 뉴턴 방법(Newton's method)은 해 근처에서 2차 수렴할 수도 있지만, 초기 추정값이 적절하게 선택되지 않으면 수렴 속도가 느려지거나 발산할 수도 있습니다. 다양한 변형과 하이퍼파라미터(hyperparameter) 설정을 가진 광범위한 솔버가 존재하며, 효율적이고 강건한 반복법의 개발은 여전히 활발한 연구 분야로 남아 있습니다. 최근에는 고전적 반복법의 해석 가능성과 신뢰성을 유지하면서 효율성을 향상시키기 위해 머신러닝(ML) 기법이 적용되고 있습니다. 본 논문에서는 고전적 반복법과 ML을 결합한다는 의미에서 이러한 ML 기반 반복법을 하이브리드 반복법(hybrid iterative methods)이라고 부릅니다. 본 논문은 선형 및 비선형 방정식 시스템 모두를 위한 하이브리드 반복법을 구축하는 최신 접근 방식에 대한 포괄적인 개요를 제공하는 동시에, 미해결 과제를 논의하고 향후 연구를 위한 잠재적 방향을 제시합니다.