은하 중력 퍼텐셜을 위한 물리‑인포드 신경망

초록

본 논문은 물리‑인포드 신경망(PINN)과 베이지안 추론, 그리고 신경 ODE를 결합해 정적·동적 은하 중력 퍼텐셜을 고정밀도로 재구성하는 프레임워크를 제시한다. 분석 기반 베이스 퍼텐셜에 신경망 잔차를 더함으로써 해석적 모델의 해석 가능성과 신경망의 유연성을 동시에 확보한다. 모의 은하‑LMC 시스템에 적용한 결과 평균 가속도 오차 0.14 % 수준을 달성했으며, 궤도 예측 및 파라미터 추정에서도 기존 해석 모델보다 월등히 우수한 성능을 보였다.

상세 분석

이 연구는 은하 규모의 중력 퍼텐셜을 모델링하는 데 있어 기존 해석 모델과 전통적인 머신러닝 접근법의 한계를 동시에 극복하고자 한다. 첫 번째 핵심 아이디어는 물리‑인포드 손실 함수 L(θ)=1/N∑