본 논문에서는 물리기반 인공지능을 통한 확률적 시스템 모델링 방법을 제안한다. 확률적 시스템의 경우에는 시스템 동역학 뿐 아니라 노이즈 입력을 고려해야 한다. 시스템의 동역학과 노이즈 입력항을 신경망을 통해 데이터를 기반으로 근사적으로 구할 수 있다. 이 신경망의 파라미터를 추정하는 문제로 변환하여 최대우도를 고려하여 신경망 학습을 진행한다. 이 때 구하는 확률은 오일러 근사를 통해 구할 수 있다. 신경 상미분 방정식의 개념으로 신경망 적분 후 확률을 구하는 학습하는 알고리즘을 제안하였다. 또한 간단한 선형 확률적 시스템과 비선형 확률적 시스템 두 가지 경우에 대하여 적용했을 때 시스템의 동역학 뿐 아니라 노이즈 입력함수 역시 근사할 수 있음을 확인하였다.