오승준, 노명일, 김진혁, 안도혁, "선형 설계에서 획득 함수를 활용한 근사 모델의 자동 갱신 방법", 2026년도 한국CDE학회 동계학술발표회, 용평, p. 275, 2026.02.09-02.12
Domestic Conference
2026.02.24 20:49
오승준, 노명일, 김진혁, 안도혁, "선형 설계에서 획득 함수를 활용한 근사 모델의 자동 갱신 방법", 2026년도 한국CDE학회 동계학술발표회, 용평, p. 275, 2026.02.09-02.12
조회 수 433
| 첨부 '1' |
|---|
| Abstract | 선박의 유체역학적 성능 평가는 주로 CFD (Computational Fluid Dynamics) 해석을 활용해 수행되지만 높은 계산 비용이 요구된다는 제약이 있다. 이러한 한계를 보완하기 위해, 다수의 선형에 대한 CFD 해석 결과를 학습용 데이터로 활용하여 근사 모델을 구축하고, 이를 활용해 선형의 유체역학적 성능을 신속하게 평가하는 방법이 널리 사용되고 있다. 그러나 초기 선형 데이터의 범위를 벗어나는 영역에서는 근사 모델 예측의 불확실성이 증가할 수 있다는 한계가 존재한다. 이러한 문제를 극복하기 위해, 본 연구에서는 획득 함수 (acquisition function)를 활용하여 학습용 추가 선형 데이터를 생성하고, 이를 활용해 근사 모델을 자동으로 갱신하는 방법을 제안하였다. 여기서 획득 함수는 근사 모델의 예측 값과 이의 분산을 동시에 고려하여, 선형 성능이 갖는 불확실성을 정량적으로 평가하는 기준이 된다. 제안된 방법을 통해 불확실성이 높은 영역을 효과적으로 탐색함으로써 근사 모델의 성능을 개선할 수 있다. 이때 획득 함수로는 예측 값과 이의 분산의 선형 결합 형태인 UCB (Upper Confidence Bound)를 활용하였으며, 이를 계산하기 위해 예측 값과 이의 분산을 동시에 산출할 수 있는, 확률 기반의 근사 모델인 GPR (Gaussian Process Regression)을 적용하였다. 초기 근사 모델에서 획득 함수가 최대가 되도록 선형들을 추가로 생성한 뒤, 이들에 대한 CFD 해석을 추가적으로 수행해 학습용 데이터를 만들었고, 이를 활용해 초기 근사 모델을 갱신하였다. 이 과정을 반복함으로써 근사 모델의 불확실성을 점진적으로 감소시키고 선박의 유체역학적 성능에 대한 예측 정확도를 향상시켰다. 마지막으로, 제안된 방법을 공개 선형인 KCS (KRISO Container Ship)에 적용한 결과, 근사 모델의 예측 정확도가 효과적으로 개선됨을 확인하였다. |
|---|---|
| Publication Date | 2026-02-11 |
