物理（支配方程式と境界条件）を事前知識としたPINNによる順・逆解析

近年，機械学習技術の応用例は複数分野で展開されているが，機械学習モデルに解釈性や説明性を求める動きが高まり，大量のデータを用いるモデルに対し，事前知識を導入したモデルの開発が展開されている．特に，Physics-Informed Neural Network（PINN）は順・逆解析の両者に柔軟に対応可能という特性を持ち，幅広い分野での応用が示されている．本発表では，同モデルによる順・逆解析への適用性について議論する．また，損失関数の定義から必要となる重みの動的なチューニング方法，境界条件の付与について距離関数を用いる方法などについて議論する．