本研究では、物理に基づく神経ネットワーク（PINN）を利用した最適なセンサー配置とパラメータ推定のための新しいフレームワークを提案します。特に、データ獲得のコストや限界、ノイズによる不確実性がある場合に、分散パラメータシステムにおけるパラメータの推定が課題となっています。PINNは、スパースまたはノイズの多い測定データに対しても有効な手法ですが、センサー配置がその性能に与える影響についてはあまり研究されていません。このフレームワークでは、PINNモデルにパラメータを追加の入力として含め、自動微分を通じて感度関数を効率的に計算します。D-optimality基準を活用して、最適なセンサーの配置を決定します。提案手法は、2つの分散パラメータの反応拡散問題において検証され、従来のランダムなセンサー選択と比較して、高い精度を達成することが示されました。