본 연구에서는 입자 현탁액에서 발생하는 막힘(clogging) 현상이 시스템의 선행 관찰로부터 예측 가능한지 여부를 조사하였다. 본 연구는 글리세롤 용액에 분산된 폴리스티렌 입자를 이용한 마이크로플루이딕스(microfluidic) 모델 시스템에 초점을 맞추었으며, 용액의 점도와 유량을 조절함으로써 막힘의 발생 시점을 제어할 수 있다. 마이크로플루이딕스 시스템은 유동 채널에 대한 광학적 관찰을 가능하게 하여, 입자가 유동 통로에 침착되는 양상에 대한 상세 정보를 제공한다. 본 모델 시스템에서 수집된 데이터를 바탕으로, 3D 합성곱 신경망(3D CNN)을 기반으로 한 예측 알고리즘을 개발하였고, 이 알고리즘은 시스템의 과거 비디오 프레임을 활용하여 향후 막힘 발생의 확률을 추정한다. 그 결과, 3D CNN은 훈련 과정에서 경험하지 않았던 실험 조건 하에서도 막힘을 정확하게 예측할 수 있음을 보였다. 깊이 9의 3D CNN 모델은 실제 막힘이 118분 후에 발생했음에도 불구하고 단 25분 만에 막힘을 검출하였다. 동일한 조건에서 2D CNN은 35분 만에 막힘을 검출한 반면, 이러한 성능은 2D CNN에 비해 우수하였다. 높은 예측 성능은 유동 초기 단계에서의 입자 위치 변화의 양상이 막힘 발생을 예측하는 데 필요한 정보를 포함하고 있음을 시사한다. 본 연구 결과는 유동 시스템에 대한 데이터 기반 예지보전 가능성 측면에서 실용적 의미를 가진다.

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