유동층 계산 가속화를 위한 기계학습 기반 차수축소모델 개발

초록

차수축소모델(Reduced Order Model, ROM)은 높은 계산비용이 소요되는 물리기반 수학적 모델의 주요 물리특성을 보존하면서 해를 근사화하는 기법으로 계산을 가속화시킬 수 있는 하나의 방안으로 주목받고 있다. 본 연구에서는 차수축소모델(ROM)을 직경관 유동층 반응기에 적용하여 주입 가스 유량에 따른 고체분율과 차압의 예측 가능성을 평가하였다. 물리기반 가스-분광 다상유동모델을 통해 얻어진 해를 바탕으로 특이값 분해(Singular Value Decomposition, SVD)를 수행하여 주요 유동특성을 여러 모드(mode)로 추출 후 선별하여 기계학습을 통해 차수축소모델을 구축하였다. 이후 이론 및 실험 데이터를 바탕으로 차수축소모델에서 예측되는 최소유동화 속도 및 고체분율 분포의 정확도를 평가하였다.