용존산소(DO: dissolved oxygen)는 해양 생태계의 건강성을 평가하는 핵심 지표이다. 본 연구는 DO 동역학의 정밀 모사를 위해 물리정보 신경망(PINN: physics-informed neural network)을 제안한다. 기존 수치 모델의 불확실성과 데이터 기반 모델의 해석적 한계를 극복하고자, 광합성 및 호흡 등 생지화학적 지배 방정식을 신경망 학습에 통합하였다. 특히 단순 농도 예측을 넘어, 관측 데이터로부터 미지의 생태계 파라미터 6종을 도출하는 역문제(inverse problem) 해결에 주안점을 두었다. 가상 시계열 데이터를 적용한 결과, 모델은 핵심 파라미터를 성공적으로 추정하였으며 DO의 계절적 변동성을 정확히 재현하였다. 이는 PINN이 데이터가 제한적인 해양 시스템의 동역학 규명과 예측에 효과적인 도구임을 입증한다.
Yoon et al. (2026) studied this question.