불안정 화염을 위한 무감독 신경암시 레이저 흡수 단층촬영

초록

본 논문은 레이저 흡수 단층촬영(LAT) 데이터를 이용해 좌표 신경망으로 온도와 몰분율을 연속적인 시공간 함수로 표현하는 무감독 신경암시(NILA‑T) 방법을 제안한다. 기존의 감독 학습 기반 방법과 달리 실험 측정만으로 최적화하며, 미분 가능한 관측 연산자를 통해 합성 흡수 데이터를 생성한다. Fourier 인코딩과 2차 티크노프 정규화를 결합해 고주파 정보를 복원하고, L‑curve 분석을 통해 정규화 파라미터를 선택한다. 합성 및 실험 사례에서 희소한 빔 데이터로도 비정상 화염의 주요 공간 모드를 정확히 재구성함을 보인다.

상세 분석

NILA‑T는 좌표 신경망(N) : (x, t) → (χ, T) 형태의 연속 함수 모델을 채택한다. 이때 네트워크는 다층 퍼셉트론(MLP)에 Fourier positional encoding을 추가해 고주파 성분을 표현하도록 설계되었으며, 이는 전통적인 MLP가 저주파에 편향되는 현상을 보완한다. 관측 연산자는 Beer‑Lambert 법칙과 HITRAN/HITEMP 데이터베이스에서 제공되는 선강도·분할함수 등을 이용해 경로 적분 형태의 흡수량 Aₖ,i(t)을 미분 가능하게 구현한다. 손실 함수는 데이터 적합도 J_data, 2차 라플라시안 기반 티크노프 정규화 J_reg, 그리고 필요시 경계 조건 J_bound의 가중합으로 구성된다. 특히 J_reg = γ_χ J_χ + γ_T J_T 형태로 온도와 몰분율 각각에 독립적인 정규화 가중치를 부여함으로써 물리적 매끄러움을 제어한다. 정규화 파라미터 γ는 L‑curve 분석을 통해 최적값을 선택하며, 이는 정규화 강도가 과도해 과도한 평활화를 일으키는 경우와, 약해 재구성 불안정성을 초래하는 경우 사이의 균형점을 제공한다.

학습 과정에서는 각 빔 경로를 Monte‑Carlo 샘플링으로 이산화하여 적분을 근사하고, 자동 미분을 활용해 네트워크 파라미터를 역전파한다. 이때 단일 정밀도 연산에서도 수치적 안정성을 확보하기 위해 상수 항을 사전 계산하고, 경로 적분에 필요한 선강도·분할함수 값을 테이블 인터폴레이션으로 빠르게 조회한다.

합성 실험에서는 SNR이 낮고 빔 수가 30~50개 수준인 경우에도 주요 모드(첫 번째와 두 번째 POD 모드)를 정확히 복원했으며, 정규화 없이 Fourier 인코딩만 사용할 경우 고주파 잡음이 발생함을 확인했다. 실험적 검증에서는 소형 버너에서 2D + t 형태의 온도·CO₂ 몰분율 장을 150 ms 시간 해상도로 재구성했으며, 기존 티크노프 기반 ART와 비교해 공간 해상도와 시간 일관성이 현저히 향상되었다. 특히 불안정 화염의 주기적 진동과 비대칭 구조를 최소 5 mm 이하의 공간 해상도로 포착했으며, 측정 포인트가 제한된 환경에서도 재현성이 높았다.

이러한 결과는 NILA‑T가 (1) 물리 기반 정규화와 데이터 기반 표현력을 동시에 활용해 ill‑posed LAT 문제를 안정적으로 해결하고, (2) 희소한 광학 접근성만으로도 시공간 연속성을 유지하며 고주파 동적 정보를 복원할 수 있음을 시사한다. 향후 연구에서는 압력·속도와 같은 추가 상태 변수 통합, 3D + t 확장, 그리고 실시간 데이터 동화(data assimilation) 프레임워크와의 연계가 기대된다.