기계 학습과 최적화 알고리즘을 활용한 달 표면 모델 보정 기법

초록

달은 대기의 부재, 자전주기, 표토층의 높은 흡수율과 방사율 등으로 인하여 표면에서 극단적인 온도 변화가 나타난다. 이와 같이 달의 극한 열환경은 달탐사 이동플랫폼의 임무 수행 능력을 저하시키는 원인이 된다. 따라서 달탐사 이동플랫폼의 정상적인 임무 수행을 위해서는 달의 열환경 분석이 필요하며 이를 열해석을 통해 수행하게 된다. 달탐사 이동플랫폼 열해석 모델의 신뢰도를 확보하기 위해서는 실제 달의 표면과 유사한 온도 거동을 하는 표면을 모델링하는 것이 중요한 요인으로 평가받는다. 하지만 표토층 물성치의 불확실성으로 인하여 달 표면에 대한 정밀 모델링에 어려움이 존재한다. 불확실성을 제거하기 위해 일반적으로 달 표면 온도 데이터를 기반으로 열해석 모델의 보정을 수행하게 된다. 하지만 보정을 수행하기 위해서는 많은 반복 계산이 필요하며 이 과정에서 인적 오류(human error)와 같은 문제가 발생할 수 있다. 따라서 본 연구에서는 인적 자원 소모를 최소화하고 높은 정확도의 달 표면 모델을 구현하기 위해 기계 학습과 최적화 알고리즘을 활용하였다. 온도 결과를 빠르게 도출하는 기계 학습 모델로 해석 모델을 대체하여 효율성을 확보하고 최적화 알고리즘을 통해 보정 과정의 자동화를 수행하였다. 달의 자전 주기에 대한 열해석 모델의 표면 온도 보정을 수행하였으며 보정 시 아폴로 17호에서 측정된 표면 온도 데이터를 활용하였다. 모델 보정 결과, 표면에서의 측정 온도와 해석 온도 결과의 경향성이 유사하게 나타났으며 최고/최저 온도 또한 유사한 것을 확인하였다.