本稿では、物理法則を深層学習モデルに組み込むことができる物理インフォームドニューラルネットワーク（PINN）を用いて、スパゲッティ橋の荷重を予測する手法を探求しています。特に、小規模な構造モデルにおける荷重限界や潜在的な失敗モードの理解に役立つ目的があります。提案されたフレームワークは、予測モデルに物理に基づく制約を組み込むことで精度を向上させています。また、新たに提案された「物理インフォームドコルモゴロフ・アーノルドネットワーク（PIKAN）」は、普遍関数近似理論と物理的洞察を融合させたものです。実験では、手動またはコンピュータビジョン方法で収集した構造パラメーターをモデルに入力し、15の実際の橋を基にしたデータセットを利用しました。最も優れたモデルはR²スコア0.9603と平均絶対誤差10.50単位を達成しました。PINNは限られたデータでも信頼性の高い構造荷重の予測を提供でき、軽量橋設計の初期段階の失敗分析に寄与する可能性があります。