| 번호 | 청구항 |
|---|---|
| 1 | 컴퓨터 장치에 의해 수행되는 인공신경망을 이용하여, 블레이드 주위의 유동 해석을 위한 격자를 생성하는 방법에 있어서,상기 블레이드의 형상 정보를 입력받는 단계;임의의 격자 파라미터를 상태(State)로 입력받는 단계; 생성되는 격자의 품질을 최대화하는 방향으로 강화학습 하는 단계;생성될 격자의 품질이 최대화되는 격자 파라미터를 결정하는 단계; 및타원(Elliptic) 격자생성 방법으로 자동으로 격자를 생성하는 단계를 포함하고,상기 강화학습 하는 단계는,상기 입력된 블레이드의 형상 정보와 임의의 격자 파라미터에 기초하여 심층 신경망 (Deep Neural Network, DNN)을 통해서 생성될 격자의 품질을 예측하는 과정;상기 입력된 블레이드의 형상 정보와 임의의 격자 파라미터를 이용하여 격자를 생성하고, 상기 생성된 격자의 품질을 계산하는 과정; 및상기 예측한 격자의 품질과 상기 계산된 격자의 품질의 오차를 계산하는 과정을 포함하고,상기 오차를 최소화하는 방향으로 기계학습 하는 것을 특징으로 하는 익형 해석용 격자 생성 방법. |
| 2 | 삭제 |
| 3 | 제 1 항에 있어서,상기 격자 파라미터는 상기 격자 생성에 필요한 격자의 개수, 격자 해상도, 격자의 입구 위치 및 격자의 출구 위치를 포함하는, 익형 해석용 격자 생성 방법. |
| 4 | 제 1 항에 있어서,상기 격자의 품질을 계산하는 과정은,야코비 행렬 (Jacobian matrix)의 행렬식 (determinant) 비로 계산하는 것을 포함하는, 익형 해석용 격자 생성 방법. |
| 5 | 삭제 |
| 6 | 제 1 항에 있어서,상기 격자의 품질을 예측하는 과정은,심층 Q-네트워크 (Deep Q-Networks, DQN) 방법을 이용하는, 익형 해석용 격자 생성 방법. |
| 7 | 제 1 항에 있어서,상기 오차를 계산하는 과정은,상기 예측한 격자의 품질과 상기 생성된 격자의 품질의 L2 오차(error)를 손실 함수 (loss function)로 정의하는 것을 포함하는, 익형 해석용 격자 생성 방법. |
| 8 | 제 7 항에 있어서,상기 강화학습 하는 단계는,상기 손실 함수를 최소화하는 방향으로 상기 심층 신경망 (Deep Neural Network, DNN)를 업데이트하며 학습을 진행하는 것을 포함하는, 익형 해석용 격자 생성 방법. |
| 9 | 삭제 |
| 10 | 컴퓨터에 제 1 항, 제 3 항, 제 4 항, 제 6 항 내지 제 8 항 중 어느 한 항에 따른 익형 해석용 격자 생성 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램. |
