논문은 AI for Science Workshop에서 발표된 것으로, 미래인 NeurIPS 2025에서 수용되었다. 변형 가능한 물체 간 상호작용을 시뮬레이션하는 것은 재료 과학, 기계 설계, 로봇 공학과 같은 분야에서 중요하다. 그래프 신경망(GNN)을 활용한 학습 기반 방법은 복잡한 물리 시스템을 해결하는 데 효과적이지만, 가변형 바디 상호작용을 모델링할 때 확장성 문제가 발생한다. 물체 간 상호작용을 모델링하기 위해, 쌍별 전역 엣지를 동적으로 생성해야 하는데, 이는 계산량이 많고 대규모 망에는 비실용적이다. 이러한 도전을 극복하기 위해, …

<Apple 뉴스 본문 전체읽기>