PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2511.15445v3math.NA

헬름홀츠 방정식의 효율적인 해법을 위한 신경망 기반 영역 분할법

Neural network-driven domain decomposition for efficient solutions to the Helmholtz equation

파동 전파를 정확하게 시뮬레이션하는 것은 음향학, 전자기학, 지진 분석과 같은 분야에서 매우 중요합니다. 유한 차분법 및 유한 요소 접근법과 같은 전통적인 수치 해석 방법은 헬름홀츠(Helmholtz) 방정식과 같은 지배 편미분 방정식(PDE)을 푸는 데 널리 사용됩니다. 그러나 이러한 방법들은 복잡한 2차원 영역의 고주파 파동 문제에 적용될 때 상당한 계산적 난관에 직면합니다. 본 연구에서는 유망한 대안으로서 유한 기저 물리 정보 신경망(Finite Basis Physics-Informed Neural Networks, FBPINN)과 그 다중 레벨 확장을 조사합니다. 이러한 방법들은 영역 분할법(domain decomposition)을 활용하여 계산 영역을 중첩되는 하위 영역으로 분할하고, 각 하위 영역을 국소 신경망이 관할하도록 합니다. 우리는 균질한 경우의 헬름홀츠 방정식을 해결하는 데 있어 이들의 정확도와 계산 효율성을 평가하며, 전통적인 접근 방식의 한계를 완화할 수 있는 잠재력을 입증합니다.