この研究では、北極海の海氷速度（SIV）と海氷濃度（SIC）を予測するために、物理情報を取り入れたニューラルネットワーク（PINN）を開発しました。従来のデータ駆動型機械学習（ML）技術は、訓練データの量と質に過度に依存し、一般化能力や物理的一貫性に限界があります。特に、北極海の海氷が薄くなり、溶解が加速している現状において、過去のデータに基づくMLモデルは未来の変化する海氷条件を完全に表現できない可能性があります。研究では、階層的情報共有U-Net（HIS-Unet）のアーキテクチャに基づき、物理的知識を統合したモデルを構築しました。その結果、少数のサンプルで学習しても、従来のデータ駆動型モデルよりもSIVとSICの予測精度が向上しました。特に、溶解期や早期凍結期、速く動く氷の近くでのSIC予測が改善されました。