프롬프트 설명

주요 제목 2 그림 계획 부제 1 그림: 물리 법칙 기반 손실 함수의 다중 목적 협업 설계 시각적 컨셉: 손실 함수 균형의 개략도. 핵심 구성: 이미지의 중심은 균형 또는 믹서입니다. 균형의 왼쪽 접시는 "데이터 손실"(아이콘: 차트 및 데이터 포인트)이고, 오른쪽 접시는 "물리 손실"(아이콘: 물리 공식 및 확인 기호)입니다. 균형 위에는 양쪽의 기여도를 동적으로 조정하는 조정 가능한 가중치 계수 λ(슬라이딩 레오스타트 또는 노브와 유사)가 있습니다. 궁극적으로 균형 잡힌 출력은 "총 손실 함수: L_total = L_data + λ*L_physics"를 가리킵니다. 배경은 훈련 반복에 따라 감소하는 총 손실 곡선을 표시할 수 있습니다. 부제 2 그림: 사전 지식 임베딩 네트워크 구조 안내 메커니즘 시각적 컨셉: 물리 기반 네트워크 아키텍처 다이어그램. 핵심 구성: 기존의 완전 연결 네트워크와 다른 특수한 네트워크 구조 다이어그램. 네트워크에는 여러 분기가 있으며, 각 분기의 입구에는 다양한 물리적 메커니즘(예: "소성 지배 분기", "취성 파괴 분기")의 안내가 표시되어 있습니다. 네트워크의 특정 레이어에서는 물리적 의미에 부합하는 사용자 정의 활성화 함수가 사용되거나(함수 그래프가 표시됨), 인과 관계를 반영하는 스킵 연결이 있습니다("응력" 레이어에서 "제거" 레이어로의 정보 흐름은 화살표로 표시됨). 캡션은 "물리적 구조에 의해 안내되는 설계"를 강조합니다. 부제 3 그림: 융합 모델을 위한 훈련 전략 및 최적화 알고리즘 시각적 컨셉: 교대 최적화 경로 다이어그램. 핵심 구성: 훈련 루프(Epoch)를 가로축으로 사용하여 두 손실의 감소 궤적을 표시합니다. 이중 선 그래프 또는 단계별 배경색을 사용하여 다양한 훈련 단계를 나타냅니다. 예를 들어, 첫 번째 단계는 데이터 손실 최적화에 중점을 두고(L_data가 빠르게 감소), 두 번째 단계는 물리 손실을 공동으로 최적화하고(L_physics가 감소하기 시작), 세 번째 단계는 미세하게 조정합니다(둘 다 협력적으로 감소). 다이어그램은 "교대 최소화" 또는 "적응형 가중치 업데이트"와 같은 주요 단계를 강조하는 알고리즘 의사 코드 상자를 포함할 수 있습니다. 주요 제목 3 그림 계획 부제 1 그림: 다중 스케일 예측 성능을 위한 협업 검증 방법 시각적 컨셉: 다중 스케일 정렬 비교 다이어그램. 핵심 구성: 세 그룹의 예측 대 측정 비교 다이어그램이 수직으로 나란히 배치됩니다. 상단(미시적): 예측된 단일 스크래치 형태 윤곽선과 SEM 사진 윤곽선의 오버레이 비교. 중간(중간 규모): 예측된 표면 거칠기 3D 형태 클라우드 맵과 백색광 간섭계 측정 클라우드 맵의 비교. 하단(거시적): 예측된 재료 제거 깊이 프로파일 곡선과 측정된 프로파일 곡선의 비교. 각 비교 그룹에는 정량적 오류 지표(예: RMSE)가 표시되어 있으며, 전체 디스플레이는 교차 스케일 일관성을 보여줍니다. 부제 2 그림: 소량 샘플 및 일반화 조건에서의 모델 견고성 테스트 시각적 컨셉: 일반화 성능 레이더 차트 또는 버블 차트. 핵심 구성: "적은 수의 훈련 샘플", "새로운 연마 도구", "새로운 재료", "새로운 공정 매개변수"와 같은 다양한 어려운 조건을 나타내는 여러 축이 있는 레이더 차트. 레이더 차트에 두 개의 곡선을 그립니다. 하나는 순수한 숫자"