역방향 스텝(backward-facing steps, BFS)에서 스텝 각도(stepping angle)가 서로 다른 경우의 유동장을 예측하기 위해 합성곱 기계학습(ML) 모델을 개발하였다. 본 모델은 특정 스텝 각도에 대해 3차원 대와류 시뮬레이션(large eddy simulations)으로부터 얻은 유동 데이터를 이용해 학습하였고, 관측되지 않은 스텝 각도에서는 검증하였다. 손실함수는 기하학적 변화에 대응하기 위해 평균제곱오차와 경계 손실(boundary loss)을 모두 포함하였다. ML 모델 학습에 사용한 수치 결과는 실험 데이터와 대조·검증되었으며, 속도 분포, 난류 강도(turbulence intensity), 재부착 길이(reattachment length)와 관련하여 양호한 일치를 보였다. ML 결과는 속도 및 난류 강도 분포의 수치 결과와 전반적으로 일치하였으나, 분리 영역(separation zone)에서 더 넓게 예측된 유동 패턴으로 인해 ML 모델이 재부착 지점을 약간 지연되게 예측하는 경향이 나타났다. 또한 ML 모델과 수치 시뮬레이션은 연속성 및 운동량에서 유사한 경향을 보였다. ML 결과는 난류 강도에 대해 약간의 과대예측이 있었음에도 불구하고 실험 데이터와 잘 일치하였다. 그럼에도 불구하고 본 모델은 다양한 BFS 각도 전반에서 높은 성능과 강한 일반화 능력을 달성하였다. 종합하면, 평균제곱오차와 경계 손실을 결합한 손실함수로 학습한 합성곱 ML 모델이 스텝 각도가 서로 다른 BFS 유동을 효과적으로 예측할 수 있음이 검증되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.