3차원 분리 흐름을 위한 데이터 기반 난류 모델 강화

초록

본 논문은 2차원 전용으로 학습된 데이터‑기반 SST‑CND 난류 모델에 3차원 전용 보정항 η₃D를 추가하여 3차원 복합 흐름에서도 정확도를 높이는 방법을 제시한다. η₃D는 입체 흐름에만 나타나는 물리량을 기반으로 필드 인버전으로 얻은 분포를 심볼릭 회귀로 분석해 식으로 만든다. 2D 테스트에서는 기존 모델과 동일한 성능을 유지하고, 3D 고양리프트 구성(JAXA 표준 모델) 등에서 현저히 개선된 결과를 보인다.

상세 분석

본 연구는 기존 데이터‑기반 난류 모델이 2차원 학습 데이터에만 의존해 3차원 복합 흐름에서 한계를 보이는 문제점을 정확히 짚어낸다. SST‑CND 모델은 조건부 필드 인버전(FI‑ML)과 심볼릭 회귀를 결합해 Reynolds 응력의 비선형성을 보정했지만, 훈련에 사용된 데이터가 전부 2D였기에 3D 특유의 회전·전단 상호작용을 포착하지 못한다. 이를 해결하기 위해 저자들은 “η₃D”라는 추가 보정항을 도입한다. η₃D는 물리적으로는 3차원 전용 특성(예: 제3·제4 불변량 I₃, I₄)이 비제로가 되는 경우에만 활성화되도록 설계되었다. 구체적으로는 다음과 같은 절차를 따른다.

1. 필드 인버전: 입체 흐름의 대표 사례인 표면 부착 큐브 주변 흐름을 고정밀 실험 데이터와 RANS 시뮬레이션을 매칭하도록 최적화한다. 여기서 목표 함수는 속도 차이와 η₃D의 정규화 항을 동시에 최소화하는 형태이며, SNOPT과 이산 어드쟈인트(DaFoam+CODI‑PACK)를 이용해 효율적인 미분을 수행한다.

2. 특징 선택: 2D 흐름에서는 I₃·I₄가 항상 0임을 이용해, “I₃·I₄”, “I₃·S”, “I₄·Ω” 등 2D에서는 자동으로 소멸하는 조합을 특징으로 만든다. 이러한 특징은 3D에서만 비제로가 되므로 η₃D가 2D에서는 완전히 사라지는 구조를 보장한다.

3. 심볼릭 회귀: PySR을 활용해 진화적 탐색을 수행한다. 연산자 집합에는 기본 산술 연산, 삼각함수, 로그·지수 등이 포함되며, 복잡도와 L2 손실을 동시에 최소화하도록 가중치를 부여한다. 최종 식은 간결하면서도 물리적 의미를 유지하도록 선택되었다(예: η₃D = C₁·(I₃·I₄)·exp(−C₂·S²) 등).

4. 모델 통합: 기존 SST‑CND 모델의 보정항 η₁₂와 새로운 η₃D를 곱해 최종 난류 점성·소산 방정식에 삽입한다. 수식적으로는 η_total = η₁₂ + η₃D 로 표현되며, 2D 한계에서는 η₃D=0이므로 기존 모델과 동일한 수치해석 결과를 제공한다.

실험 검증에서는 2D 베이스케이스(예: NASA hump, NL‑R‑7301)에서 오차가 전혀 증가하지 않았으며, 3D 고양리프트(JAXA 표준 모델)와 같은 복잡한 구성에서 양력·항력 계수, 분리점 위치, 와류 구조가 현저히 개선되었다. 특히 최대 양력 계수와 실속 각(stall angle)이 기존 SST‑CND보다 8~12% 정도 상승했으며, 실험 데이터와의 평균 상대 오차는 5% 이하로 감소했다. 이러한 결과는 η₃D가 3D 전용 물리 현상을 효과적으로 포착하면서도 2D 정확성을 손상시키지 않는다는 것을 입증한다.

본 논문의 핵심 기여는 (1) 2D‑전용 데이터 기반 모델에 3D 보정을 비침투적으로 추가하는 순차적 학습 프레임워크, (2) 2D와 3D를 명확히 구분하는 불변량 기반 특징 설계, (3) 심볼릭 회귀를 통한 해석 가능한 보정식 도출이다. 이 접근법은 기존 대규모 2D 데이터베이스를 그대로 활용하면서도 3D 응용 분야(고양리프트, 복합 기하학, 터뷸런스 제어 등)로 확장할 수 있는 실용적 길을 제시한다. 향후 연구에서는 다양한 3D 흐름(예: 비정상적 회전, 다중 스케일 와류)에서 η₃D의 일반화 가능성을 검증하고, 다중 물리(열전달·연소)와의 결합을 탐색할 여지가 있다.