위밀 흐름을 위한 하이브리드 최소이동·신경망 접근법

초록

본 논문은 위밀 흐름을 위상장 모델로 풀기 위해, 외부 최소이동 스킴과 내부 평균곡률 흐름을 근사하는 신경 연산자를 결합한 하이브리드 알고리즘을 제안한다. 신경 연산자는 Bretin 등(2023)의 방법을 차용해 구형 데이터만으로 학습되며, 기존 유한요소법 대비 큰 시간 단계에서도 안정성을 유지하고 연산 비용을 크게 절감한다. 실험에서는 표면 매끄럽게 만들기와 손상된 형상 복원에 뛰어난 성능을 보이며, 기하학 처리 분야에서 실용적인 도구로 활용 가능함을 입증한다.

상세 분석

이 논문은 위밀 흐름(Willmore flow)의 수치 해석에서 두 가지 핵심 난관을 동시에 해결하고자 한다. 첫 번째는 위밀 흐름이 4차 비선형 편미분 방정식이라는 점에서 시간‑공간 이산화 시 큰 시간 단계에 대한 안정성이 확보되기 어렵다는 점이다. 두 번째는 위상장(phase‑field) 기반 변분 스키마를 적용할 경우, 평균곡률 흐름(mean curvature flow, MCF)을 내부 최적화 문제로 풀어야 하는데, 이는 매 반복마다 고차원 선형/비선형 시스템을 해결해야 하므로 계산 비용이 급증한다는 것이다.

저자들은 최소이동(minimizing movement) 프레임워크를 채택한다. 시간 간격 τ에 대해 현재 단계의 위상장 u_k와 다음 단계 u를 연결하는 에너지
\