¢Â Âü°¡È®Àμ Ãâ·Â ¹æ¹ý :
»çÀüµî·Ï½Åû ¹× È®ÀÎ ¹Ù·Î°¡±â[Click] ¢º »çÀüµî·Ï°èÁ¤(Á¤È¸¿ø ¶Ç´Â ºñȸ¿ø)À¸·Î ·Î±×ÀÎ ¢º Âü°¡È®Àμ
¼±ÅÃ
´ëÇѱâ°èÇÐȸ ±â°èÀΰøÁö´É¿¬±¸È¸
¹°¸®Áö½Ä±â¹Ý ÀΰøÁö´É ¿öÅ©¼ó °³ÃÖ ¾È³»
(Scientific Machine Learning Workshop)
´ëÇѱâ°èÇÐȸ ȸ¿ø ¿©·¯ºÐ, ÃÖ±Ù °ü½ÉÀ» ¹Þ°í ÀÖ´Â '¹°¸®Áö½Ä±â¹Ý ÀΰøÁö´É' ¿öÅ©¼óÀ» °³ÃÖÇÕ´Ï´Ù. Scientific Machine Learning ºÐ¾ß¿¡ ÁýÁßÇÏ¿© ¿¬±¸µ¿Çâ ¹× ÃֽŠ±â¼ú¿¡ ´ëÇÑ ¼Ò°³°¡ ÀÌ·ç¾îÁú ¿¹Á¤ÀÔ´Ï´Ù. ƯÈ÷, Physics-informed Machine LearningÀ¸·Î À¯¸íÇÑ Brown UniversityÀÇ G. Karniadakis ±³¼ö´ÔÀ» ÃÊû ¿¬»ç(¿Â¶óÀÎ °¿¬)·Î ¸ð¼Ì½À´Ï´Ù. ÀÌ¿Í ´õºÒ¾î ±â°èºÐ¾ß 4ºÐ, ¼öÇÐºÐ¾ß 4ºÐÀÇ ¿¬»ç°¡ ¹ßÇ¥ÇÏ´Â À̹ø ¿öÅ©¼óÀº ÀΰøÁö´É°ú ±â°è µµ¸ÞÀÎ Áö½ÄÀ» À¶ÇÕÇÏ¸ç »õ·Î¿î ¾ÆÀ̵ð¾î¿Í Çõ½ÅÀûÀÎ ¿¬±¸¸¦ ÃËÁøÇÏ´Â ÀÚ¸®°¡ µÉ °ÍÀÔ´Ï´Ù. »êÇп¬ °ü°èÀÚ ºÐµéÀÇ Àû±ØÀûÀÎ Âü¿©¿Í È°¹ßÇÑ Åä·ÐÀ» ±â´ëÇÕ´Ï´Ù. ¸¹Àº Âü¼® ºÎŹµå¸³´Ï´Ù.
¡Ü ÁÖ ÃÖ : ´ëÇѱâ°èÇÐȸ
¡Ü ÁÖ °ü : ´ëÇѱâ°èÇÐȸ ±â°èÀΰøÁö´É¿¬±¸È¸
¡Ü ÈÄ ¿ø : Æ÷½ºÅØ ¼ö¸® µ¥ÀÌÅÍ°úÇÐ ¿¬±¸¼Ò
¡Ü ³¯ Â¥ : 2025³â 2¿ù 11ÀÏ(È)
¡Ü Àå ¼Ò : Æ÷½ºÄÚ¼¾ÅÍ ¼°ü 4Ãþ ¾ÆƮȦ(¼¿ï½Ã °³²±¸ Å×Çì¶õ·Î 440)
(ÁöÇÏö 2È£¼± ¼±¸ª¿ª°ú »ï¼º¿ª »çÀÌ¿¡ À§Ä¡, “Æ÷½ºÄÚŸ¿ö”¿Í ´Ù¸¥ °Ç¹°ÀÓ)
¡Ü Çà»ç ÀÏÁ¤
½Ã °£
|
³» ¿ë
|
Áø Çà
|
09:30 ~ 09:50
|
µî ·Ï
|
|
09:50 ~ 10:00
|
°³È¸»ç ¹× Çà»ç ¼Ò°³
|
¿ÀÇö¼® ±³¼ö
(GIST ±â°è)
|
10:00 ~ 11:00
|
Recent Advances in PINNs and Deep Neural Operators
(Brown University, Prof. Karniadakis)
|
Ãֹμ® ±³¼ö
(Æ÷½ºÅØ ¼öÇÐ)
|
11:00 ~ 11:15
|
ÈÞ ½Ä
|
|
11:15 ~ 11:45
|
½ºÆåÆ®·² ¹æ¹ý ±â¹Ý ¿¬»êÀÚ ÇнÀÀ» ÅëÇÑ Æí¹ÌºÐ¹æÁ¤½ÄÀÇ ¼öÄ¡Àû Çؼ®
(±è³²Áß ±³¼ö, °¡Ãµ´ë ±â°è)
|
À̵¿Çå ±³¼ö
(°í·Á´ë ¼öÇÐ)
|
11:45 ~ 12:15
|
tLaSDI: Thermodynamics-informed Latent Space Dynamics Identification
(¹ÚÁؼ ¹Ú»ç, °íµî°úÇпø)
|
12:15 ~ 12:45
|
Numerical and Deep Learning Approaches for Solving Partial Differential Equations
(½Åµ¿¿í ±³¼ö, ¾ÆÁÖ´ë ¼öÇÐ)
|
12:45 ~ 14:00
|
Á¡½É½Ä»ç
|
|
14:00 ~ 14:30
|
Enhanced Operator Learning: Algorithms and Industrial Applications
(Ãֹμ® ±³¼ö, Æ÷½ºÅØ ¼öÇÐ)
|
ÀÌ»ó½Â ±³¼ö
(ÀÎÇÏ´ë ±â°è)
|
14:30 ~ 15:00
|
3D Çü»ó º¯È¸¦ ¹Ý¿µÇÏ´Â DeepONet ±â¹Ý ½Ç½Ã°£ ´ë¸® ¸ðµ¨
(À̽Âö ±³¼ö, KAIST ±â°è)
|
15:00 ~ 15:30
|
ÈÞ ½Ä
|
|
15:30 ~ 16:00
|
Data-driven and Physics-based Modeling for Secondary Batteries Diagnosis /
Prediction / Management
(ÃÖÁ¤ÀÏ ±³¼ö, ¿¬¼¼´ë °è»ê°úÇаøÇÐ)
|
ÃÖ»óÇå ±³¼ö
(°æºÏ´ë ±â°è)
|
16:00 ~ 16:30
|
Data-Driven versus Physics-Informed Machine Learning Models
for Effective Aerodynamic Analysis and Design
(ÃÖ¼ºÀÓ ±³¼ö, GIST ±â°è)
|
16:30 ~ 17:00
|
Three Level SciML Application Framework for Nuclear Reactor Digital Twin
(ÀüÁر¸ ±³¼ö, ÀüºÏ´ë ¾çÀڽýºÅÛ)
|
17:00 ~ 17:10
|
Æóȸ»ç
|
¿ÀÇö¼® ±³¼ö
(GIST ±â°è)
|
¡Ü ½Åû ¾È³»
- µî·Ï ¸¶°¨ : 2025³â 2¿ù 4ÀÏ(È)±îÁö(ÇöÀå µî·Ï ºÒ°¡)
- µî ·Ï ºñ (Áᫎ Æ÷ÇÔ, ÁÖÂ÷±Ç ¹ÌÆ÷ÇÔ, ÁÖÂ÷ºñ°¡ ¸Å¿ì ºñ½Î¹Ç·Î ´ëÁß±³Åë ÀÌ¿ë ±ÇÀå)
±¸ ºÐ
|
ÀÏ ¹Ý
|
ÇÐ »ý
|
ȸ ¿ø
|
9¸¸ ¿ø
|
6¸¸ ¿ø
|
ºñ ȸ ¿ø
|
15¸¸ ¿ø
|
8¸¸ 5õ ¿ø
|
* ºñȸ¿ø µî·Ï ½Ã(µî·Ïºñ+ÇÐȸ ¿¬È¸ºñ »ó´ç) 1³â°£ ´ëÇѱâ°èÇÐȸ ȸ¿øÀÚ°ÝÀ» ºÎ¿©ÇÕ´Ï´Ù.
¡Ü Çà»ç ¹®ÀÇ
±â°èÀΰøÁö´É¿¬±¸È¸ ȸÀå ¿À Çö ¼®
´ëÇѱâ°èÇÐȸ ȸÀå ¹è Áß ¸é