PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.20541v1cs.LG

HypNO: 쌍곡 보존 법칙을 위한 물리 정보 메시지 패싱 기반 그래프 신경 연산자

HypNO: A Graph-Based Neural Operator with Physics-Informed Message Passing for Hyperbolic Conservation Laws

우리는 스칼라 쌍곡 보존 법칙을 위한 그래프 기반 신경 연산자(neural operator) HypNO를 제안한다. HypNO는 유한체적(finite-volume) 셀의 시공간 그래프 위에서 직접 동작하며, 인접성 분해(adjacency-factored) 기반의 물리 정보 메시지 패싱을 통해 충격(shock) 근처에서 상류(upwinding)와 엔트로피 허용성(entropy admissibility)을 준수한다. 우리는 이 아키텍처를 Lighthill-Whitham-Richards(LWR) 및 Aw-Rascle-Zhang(ARZ) 교통 흐름 모델에 대해 벤치마크한다. 이 모델들은 동시에 전역 수송(global transport)과 충격 형성이 일어나기 때문에 연산자 학습(operator learning) 방법에 대한 스트레스 테스트 역할을 한다. HypNO는 다양한 초기 조건에 걸쳐 해 스냅샷(solution snapshot)을 정확하게 예측하면서, 해의 충격과 불연속성(discontinuity)을 포착한다.

arXiv:2606.24945v1cs.LG

When Do Conservation Laws Survive Learned Representations? Certified Horizons for Latent World Models

잠재 세계 모델(latent world model)에서 표현학습 후에도 물리 보존 법칙(conservation law)이 사전에 인증될 수 있는지를 묻고, latent state를 디코딩해 알려진 물리 불변량을 평가하는 decoded physical invariant를 인증 대상으로 고정한 shell-horizon 인증서를 제안한다. 보존 인증은 학습 표현에서도 유지될 수 있으나 hard symplectic 구조는 알려진 위상 좌표에서는 긴 horizon을 주지만 학습 chart로는 옮겨지지 않고, controlled-Lipschitz로 정렬된 soft invariant가 학습 표현 설정에서 더 견고하며 pixel 관측에서는 readout-stable sub-tube에서 인증이 회복되고 Kepler 문제는 기하학적 경계를 드러낸다.