Positional Encoding 기법을 활용한 유동속도 예측 물리 인공 신경망 구현

Abstract

유동 속도 예측을 위해 기존에는 수치해석적 방법 또는 딥러닝을 활용한 MLP(다층 퍼셉트론) 기반 PINN(물리 인공 신경망)이 제안되었다. 그러나 수치해석적 방법은 유동장을 격자로 나누어 게산하는 과정에서 높은 연산비용이 필요하고, MLP기반 PINN은 고주파 성분인 경계 부분의 급격한 변화를 잘 학습하지 못하는 문제가 있다. 이를 해결하고자 본 논문에서는 입력 값에 다양한 주파수의 정보를 갖게 하는 Positional Encoding 기법을 적용한 유동속도 예측 PINN을 제안한다. 제안된 모델은 수치해석적 방법보다 연산비용이 적으면서도 기존 유동속도 예측 PINN 보다 경계조건의 급격한 변화를 정확하게 예측함을 실험적으로 보인다.