Discovery of Probabilistic Dirichlet-to-Neumann Maps on Graphs
본 논문은 이산 외미분학(discrete exterior calculus)과 비선형 최적 복구(nonlinear optimal recovery)를 통합하여 보존 법칙을 강제함으로써, 지하 파쇄 네트워크 및 동맥 혈류와 같이 데이터가 부족한 다물리(multiphysics) 응용 분야에서 정확하고 불확실성이 정량화된 예측을 가능하게 하는, 그래프 상의 확률적 디리클레-투-노이만 맵(Dirichlet-to-Neumann maps)을 학습하는 새로운 가우시안 프로세스 기반 프레임워크를 제시한다.