머신러닝 기반 열수력 해석

설계 변수를 하나 바꿀 때마다 CFD를 다시 돌리면 설계 검토가 계산 대기로 채워집니다. 나선형 전열관 증기발생기의 난류 횡유동을 고유직교분해(POD, 유동장을 몇 개의 대표 모양으로 쪼개는 방법)로 주요 모드만 남기고 그 모드의 시간 변화를 LSTM으로 학습시키면, 같은 예측을 훨씬 빨리 얻을 수 있습니다. 이 축소차수모델 연구는 NURETH-21 발표를 거쳐 Nuclear Engineering and Technology 특집호에 실렸습니다.

계측 쪽에도 씁니다. 직각으로 놓인 카메라 두 대가 찍은 기포 실루엣 두 장에는 깊이가 없는데, 3차원 합성곱 신경망을 학습시켜 그 두 장에서 기포의 부피를 복셀 단위로 되돌렸습니다. 이 방법은 특허로도 출원했습니다.

지배 방정식을 손실함수에 직접 넣는 물리 정보 신경망(PINN)도 다룹니다. 단순 형상의 중성자 수송 문제에 적응형 동적 조정을 적용해, 데이터가 적어도 물리를 벗어나지 않게 하는 방법을 보고 있습니다.

어느 쪽이든 결과를 정하는 것은 학습 데이터의 품질입니다. 그래서 고충실도 CFD로 SMR 열수력 학습용 데이터셋을 체계적으로 만드는 일 자체를 따로 연구합니다. 검증되지 않은 데이터는 학습에 넣지 않는다는 것이 원칙입니다.

그리고 그 너머를 봅니다. 지금은 유동 하나, 형상 하나를 따로 배우게 하지만, 결국 하고 싶은 것은 원자로가 어떻게 움직이는지를 통째로 배운 모형입니다. 조건을 바꾸면 그다음에 무슨 일이 벌어질지 스스로 굴려 볼 수 있는 모형, 이른바 월드 모델입니다. 아직 갈 길이 멀지만, 지금 쌓고 있는 축소차수모델과 물리 제약 학습이 그쪽으로 가는 발판입니다.