최근 발표된 연구에 따르면, 초고속 유동과 같은 복잡한 물리 현상을 높은 정확도와 낮은 계산 비용으로 해결하기 위한 완전히 새로운 GPU 기반 워크플로우가 개발되었습니다. 이 기술은 항공우주 및 방위 산업 등 현대 공학의 핵심 과제를 해결하는 데 중요한 역할을 할 것으로 기대됩니다. 특히 충격파의 위치와 강도 예측이 필수적인 초고속 유동 분야에서 기존의 차수 축소 모델이나 신경망 에뮬레이터가 물리적 일관성을 유지하며 급격한 기울기를 포착하는 데 어려움을 겪었던 한계를 극복했습니다.
이 워크플로우는 데이터 생성부터 신경망 에뮬레이터 훈련에 이르기까지 모든 과정이 GPU 기반으로 가속화됩니다. 핵심은 미분 가능한 고성능 시뮬레이터인 JAX-Fluids를 활용하여 데이터를 빠르게 생성하고, 이를 통해 신경망 에뮬레이터의 물리적 일관성을 높이는 잔차 기반 개선(residual-based refinement) 방식을 적용한 것입니다. 연구팀은 다양한 모델 아키텍처를 분석하고, 잔차 기반 개선이 메시(mesh)와 입력 매개변수만으로도 훈련을 가능하게 하여 잔차를 크게 줄이고 물리적 일관성을 향상시킨다는 점을 입증했습니다. 이는 훈련 분포를 벗어나는 상황에서도 에뮬레이터가 신뢰성을 유지하게 하는 핵심 요소입니다.
이러한 미분 가능한 시뮬레이션과 잔차 기반 개선의 결합은 실제 엔지니어링 설계 과정에서 대리 모델(surrogate model)을 배포하는 데 필요한 신뢰성을 제공합니다. 이는 복잡한 물리 시뮬레이션에 소요되는 시간과 비용을 획기적으로 줄여줄 수 있으며, 새로운 설계 반복 주기를 단축하고 혁신적인 제품 개발을 가속화할 잠재력을 가집니다. 특히 항공기, 로켓 등 초고속 비행체 개발에 필수적인 유동 해석 분야에서 설계 최적화와 위험 감소에 크게 기여할 것으로 보입니다.