본 연구실은 전통적인 유체역학 연구와 첨단 인공지능 기술을 융합하여 복잡한 유동 현상의 예측 및 제어에 혁신을 이끌고 있습니다. 특히, 딥러닝 및 강화학습과 같은 최신 AI 기법을 활용하여 비정상 유동장, 난류, 경계층 전이 등 다양한 유체 현상을 정밀하게 예측하고, 기존의 수치해석 방법의 한계를 극복하고자 노력하고 있습니다. 이러한 연구는 생성적 적대 신경망(GAN), 컨볼루션 신경망(CNN), 딥 강화학습(Deep Reinforcement Learning) 등 다양한 AI 모델을 유동 해석에 접목함으로써, 실험 및 시뮬레이션 데이터로부터 복잡한 패턴을 학습하고, 실제 현상에 가까운 예측 결과를 도출하는 데 중점을 두고 있습니다. AI 기반 유동 예측 연구는 태풍의 경로 및 세기 예측, 자동차 및 항공기 주위의 난류 유동 해석, 풍력발전 단지의 최적 제어 등 다양한 응용 분야에서 활발히 이루어지고 있습니다. 예를 들어, 태풍 예측에서는 위성 이미지와 기상 데이터를 결합한 GAN 모델을 통해 기존 수치예보보다 높은 정확도의 경로 예측을 실현하였으며, 풍력단지 제어에서는 강화학습 기반의 자동화된 제어 시스템을 개발하여 에너지 생산 효율을 극대화하고 있습니다. 또한, 블레이드 주위의 격자 자동 생성, 유동장 최적화 등 전산유체역학(CFD) 해석의 자동화 및 최적화에도 AI 기술이 적극적으로 도입되고 있습니다. 이러한 연구는 단순히 계산 효율성 향상에 그치지 않고, 실제 산업 현장에서의 적용 가능성을 높이고 있습니다. 예를 들어, 자동차 및 항공기 설계, 발전소 및 연료전지 시스템의 효율 개선, 환경 오염 저감 등 다양한 공학적 문제 해결에 AI 기반 유동 해석 및 제어 기술이 활용되고 있습니다. 앞으로도 본 연구실은 AI와 유체역학의 융합을 통해 미래 에너지 및 환경 문제 해결에 기여하고, 새로운 연구 패러다임을 제시할 것입니다.

본 연구실은 대규모 난류 유동의 수치해석 및 실험적 분석을 통해 에너지 변환 및 환경 친화적 시스템의 혁신을 추구하고 있습니다. 특히, 대형 에디 시뮬레이션(LES), 레이놀즈 평균 나비에-스톡스(RANS) 해석, 다물리 연성 해석 등 첨단 전산유체역학(CFD) 기법을 활용하여 복잡한 유동장과 열전달, 연소, 다상 유동, 유체-구조 연성 등 다양한 현상을 통합적으로 분석하고 있습니다. 이러한 연구는 풍력 및 수력 발전, 연료전지, 가스터빈, 미세먼지 저감 장치 등 에너지 및 환경 관련 시스템의 성능 향상과 오염물질 저감에 직접적으로 기여하고 있습니다. 특히, 풍력단지의 최적 배치 및 제어, 고효율 연소기 및 터빈 설계, 미세유체 시스템의 균일 유속 분배 등 실제 산업 현장에서 요구되는 다양한 문제를 해결하기 위해, 실험적 데이터와 수치해석 결과를 통합적으로 활용하고 있습니다. 예를 들어, 풍력단지에서는 강화학습 기반의 제어 알고리즘을 통해 시간에 따라 변화하는 바람 조건에 최적화된 터빈 제어를 실현하였고, 연소기 및 터빈에서는 난류 및 연소 현상의 정밀 해석을 통해 효율 및 내구성 향상, 오염물질 및 소음 저감을 달성하였습니다. 이와 더불어, 본 연구실은 다중 물리 연성 해석 및 코드 커플링 기술을 개발하여, 복잡한 에너지 변환 시스템 내에서 발생하는 다양한 물리 현상을 통합적으로 시뮬레이션할 수 있는 기반을 마련하고 있습니다. 이를 통해, 미래형 에너지 시스템의 설계 및 운용, 환경 친화적 기술 개발, 신재생 에너지의 효율적 활용 등 다양한 사회적 요구에 부응하는 연구를 지속적으로 수행하고 있습니다.