물리학-머신러닝 융합 연구 동향
물리학 기반 머신러닝(PIML)은 기존 물리학 지식과 데이터 기반 머신러닝 모델을 결합하여, 훈련 데이터 부족 문제를 완화하고 모델 일반화 성능을 향상시키며 결과의 물리적 타당성을 보장하는 효과적인 접근법으로 부상하고 있습니다. 이 연구는 PIML 분야의 다양한 최신 연구들을 포괄적으로 조사합니다. 본 논문은 PIML의 동기, PIML에 활용되는 물리학 지식의 유형, 그리고 물리학 지식을 머신러닝 모델에 통합하는 방법론이라는 세 가지 핵심 관점에서 기존 연구들을 요약하고 분석합니다. 이를 통해 PIML 연구의 주요 흐름과 방법론적 특징을 명확히 제시하며, 각 접근법의 장단점을 고찰합니다. 또한, PIML이 직면한 현재의 도전 과제들을 심층적으로 논의하고, 이러한 도전 과제들이 미래 연구에 어떤 기회를 제공하는지에 대한 통찰을 제공합니다. 이 연구는 PIML 분야의 현재와 미래를 조망하는 중요한 참고 자료가 될 것입니다.