트랜스포머 기반 신경 연산자로 터보 기계 성능 예측
A panoramic aerodynamic performance prediction method for turbomachinery cascades using transformer-enhanced neural operator
arXiv터보 기계의 공기역학적 성능을 빠르고 유연하게 예측하기 위해, 나비에-스토크스 방정식을 기반으로 하는 새로운 예측 프레임워크가 제안되었습니다.
- 핵심은 트랜스포머 기반 신경 연산자(TNO)를 활용하여 기본 물리량 예측을 거치고, 이를 통해 기존 시뮬레이터처럼 다양한 성능 지표를 도출하는 것입니다.
- 기존의 복잡한 CFD 시뮬레이션 대비 계산 비용을 최대 네 자릿수까지 획기적으로 줄여, 설계 과정에서 민감도 분석 및 최적화 같은 후속 작업이 가능해집니다.
- 제안된 TNO는 최신 딥러닝 모델보다 낮은 오차율을 보이며, 터보 기계의 다양한 공기역학적 성능 예측에 높은 효과와 신뢰성을 입증했습니다.
본 논문은 터보 기계 설계 과정에서 공기역학적 성능을 빠르고 유연하게 평가할 수 있는 '패노라마 성능 예측 프레임워크'를 제안합니다. 기존의 모델들이 관심 목표 함수(objective functions)를 직접 예측하는 방식과 달리, 이 접근법은 먼저 온도, 압력, 밀도와 같은 나비에-스토크스 방정식의 기본 물리량들을 예측합니다. 이렇게 얻어진 기본적인 물리량을 활용하여 터빈 단면 평면의 핵심 성능 들을 순차적으로 예측할 수 있습니다.
성능 정확도를 높이기 위해 기반 신경 연산자(TNO)가 프레임워크에 도입되었습니다. TNO는 로터 37 블레이드를 기준으로 초음속 압축기 블레이드의 성능을 예측하도록 훈련되었으며, 등엔트로피 효율, 질량 유량, 총압비 분포와 같은 총량을 정확하게 예측할 수 있습니다. 실험 결과, 제안된 TNO의 예측 오차는 FNO나 DeepONet과 같은 최신 딥러닝 연산자보다 작게 관찰되었습니다.
TNO는 민감도 분석 및 다양한 목표 함수의 최적화와 같은 후속 작업에도 적용 가능함을 입증했습니다. 이 결과에 따르면, TNO는 CFD 시뮬레이터처럼 작동하면서도 다운스트림 작업의 계산 비용을 최대 네 자릿수까지 줄일 수 있습니다. 이는 터보 기계 설계 과정에서 높은 효과성과 신뢰성을 가진 예측 도구임을 보여줍니다.
용어 풀이
- 매개변수
- 모델이 학습하면서 조정한 내부 숫자. 개수가 많을수록 대체로 모델이 크고 무거워요.
- 트랜스포머
- 오늘날 대부분의 언어 모델이 쓰는 신경망 구조. 문장 속 단어들의 관계를 한꺼번에 계산해요.