本論文では、物理インフォームドニューラルネットワーク（PINNs）のトレーニングのための適応サンプリング手法を提案します。この手法は、ネットワークやその勾配に依存する任意の問題特有のヒューリスティックに基づいてサンプリングを行います。特に、アレン・カーン方程式に焦点を当て、このPINNがポストホックの再サンプリングなしで特徴的な界面領域を正確に解決できるかを分析しました。実験においては、これらの手法が残差適応型フレームワークに比べて効果的であることを示しました。数値解析や機械学習の観点から、フェーズ遷移の問題解決に向けた新しいアプローチを提示するものです。