머신러닝 기반 다학제 설계 최적화로 구현한 생체모방 자율수중글라이더

초록

본 논문은 물고기와 같은 생체형태를 모방한 자율수중글라이더(AUG)의 초기 설계를 위해, 물리 기반 차원 축소와 다중 정밀도 머신러닝 서러게이트를 결합한 2단계 다학제 설계 최적화(BLISS) 프레임워크를 제시한다. 상위 레벨에서는 잠수체 외형을 저차원 잠재공간으로 압축해 효율적인 탐색을 가능하게 하고, 하위 레벨에서는 내부 압력선체와 부양 시스템을 최소 중량으로 설계한다. 다중 정밀도 RBF 서러게이트와 배치 베이지안 최적화를 통해 고정밀 CFD와 저정밀 잠재 흐름 해석을 효율적으로 연계한다. 최적화 결과, 최대 양력·항력비가 14.7 % 향상되고, 빈 중량이 12.8 % 감소하였다.

상세 분석

이 연구는 기존 AUG 설계가 외형 수류역학, 정수압 평형, 구조적 강도, 내부 패키징 등 네 개의 핵심 분야가 강하게 결합돼 설계 공간이 고차원·비선형으로 확장되는 문제점을 정확히 짚고 있다. 이를 해결하기 위해 저자는 두 단계의 최적화 구조를 채택한다. 첫 번째 단계(상위 레벨)에서는 manta‑ray 형태의 외형을 NACA 4자리 에어포일 기반 4개의 단면으로 파라미터화하고, 총 32개의 설계 변수를 정의한다. 그러나 직접적인 전역 탐색은 차원의 저주에 빠지기 쉬우므로, 물리‑구동 파라메트릭 모델 임베딩(PD‑PME)을 이용해 양력·항력·압력 분포와 직접 연관된 저차원 잠재공간을 추출한다. 이 잠재변수는 물리적 의미를 유지하면서 서러게이트 모델의 학습 효율을 크게 높인다.

두 번째 단계(하위 레벨)에서는 압력선체의 중심좌표, 반축 길이, 두께 등 5개의 내부 설계 변수를 최적화한다. 여기서는 구조적 버클링 한계(외부 10 MPa), 정수압 평형, 양성 부양, 외형 내부 포함성, 페이로드 부피 확보 등 다중 제약을 동시에 만족시켜야 한다.

계산 비용 절감을 위해 저자는 다중 정밀도 서러게이트 체계를 구축한다. 저정밀도는 경계요소 기반 포텐셜 흐름 해석기(PUFFIn)를 사용해 거의 즉시 압력계수와 무점성 항력을 제공하고, 해상도를 조절해 데이터 생성 비용을 최소화한다. 고정밀도는 OpenFOAM 기반 RANS(k‑ω SST + γ‑Reθ 전이 모델)와 ISIS‑CFD 비정상 흐름 해석을 활용해 점성 항력, 유동 분리, 와류 구조 등을 정확히 포착한다. 두 정밀도 데이터를 통합한 확률적 RBF(SRBF) 서러게이트는 불확실성 추정이 가능하도록 설계돼, 베이지안 샘플링 단계에서 기대 초볼륨 향상(EHVI)을 기준으로 배치 후보를 선택한다. 클러스터링된 보강 특징공간에서 다목표 파레토 전선을 효과적으로 탐색함으로써, 탐색 다양성과 수렴 속도를 동시에 확보한다.

실험 결과는 두드러진 성과를 보여준다. 최적화된 manta‑ray 형태는 기존 베이스라인 대비 최대 L/D 비율이 14.7 % 상승했으며, 내부 압력선체와 부양 시스템의 최소 중량은 12.8 % 감소했다. 또한, 다중 정밀도 서러게이트와 베이지안 샘플링을 결합한 전략 덕분에 전체 고정밀 CFD 호출 횟수가 95 % 이상 절감돼, 실시간 설계 반복이 가능한 수준으로 계산 효율을 끌어올렸다.

이 논문은 (1) 물리 기반 차원 축소가 고차원 형태 설계에 미치는 효과, (2) 다중 정밀도 서러게이트와 불확실성 기반 샘플링이 설계 비용을 크게 낮추는 메커니즘, (3) BLISS‑2000 구조가 외형·내부 설계 간 강한 결합을 체계적으로 처리하는 방법을 명확히 제시한다. 향후 연구에서는 실제 실증 시험을 통한 모델 검증, 변동 환경(수온·심도·조류) 고려, 그리고 더 복잡한 생체모방 형태(예: 물고기 꼬리, 해파리)로의 확장이 기대된다.