(왼쪽부터)기계공학과 강한비 학생, 구본찬 교수.(사진=동아대 제공)

동아대학교는 기계공학과 구본찬 교수 연구팀이 SCI급 학술지인 ‘Physics of Fluids(유체 물리학, Impact Factor 4.3)’ 저널에 논문을 게재했다고 24일 밝혔다.

이번 논문 제목은 ‘Physics-Regulated Dynamic Mode Decomposition for Two-Dimensional Laminar Flow Past Square Cylinder(이차원 사각 실린더 주위 층류 유동에 대한 물리 제약 동적 모드 분해)’로, 기계공학과 4학년 강한비 학생이 ‘제1저자’로 등록돼 눈길을 끈다.

이밖에 구본찬 교수와 유지호 한국기술교육대 교수가 교신저자로, 이진 동아대 교수와 박성군 서울과학기술대 교수가 참여저자로 이름을 올렸다.

연구팀은 이번 논문에서 ‘동적 모드 분해(DMD)’라는 데이터 분석 알고리즘에 연속 방정식과 운동량 방정식 같은 물리 법칙을 직접 넣어 주는 ‘PRDMD(Physics‑Regulated DMD)’를 새롭게 확장하는 성과를 거뒀다.

산업 현장과 의료·에너지 분야에서 ‘디지털 트윈’이라 불리는 실시간 유동 예측 기술이 각광받고 있지만, 복잡한 유체 흐름을 기존 계산 방식으로 해석하려면 시간이 많이 걸린다는 한계가 있었다.

연구팀은 비선형 항(대류 항)까지 선형 변수로 분해·추가해 물리 제약을 온전히 반영하고, 학습 데이터가 30%만 있어도 기존 DMD보다 정확도가 최대 3배 향상되며, 센서 노이즈가 큰 상황에서도 소용돌이 구조와 힘 계수를 안정적으로 재현함으로써 복잡한 흐름을 초당 수백 배 빠르게 하는 동시에 물리적으로 맞게 예측할 수 있는 길을 열었다.

기존의 PRDMD가 질량보존법칙만을 고려했던 것과 달리 이번 연구에서는 운동량보존법칙까지 함께 반영했다는 점에서 중요한 차별성을 갖는다.

질량보존방정식은 선형 방정식이므로 비교적 단순한 원칙들이 적용되며, 해를 구하는 데 상대적으로 용이한 반면, 운동량보존방정식은 비선형성을 갖기 때문에 선형 방정식에 적용되는 이론이나 기법이 그대로 적용되지 않으며, 해석 또한 훨씬 복잡하고 어렵다.

지금까지 PRDMD 외에도 다양한 기법들이 학계에 제시돼 왔으나 대부분은 기존 DMD의 틀을 벗어나 인공신경망(Artificial Neural Networks)에 기반하거나, 선형 문제에 한정된 접근 방식이었다. 이번 연구가 비선형 보존 법칙까지 고려해 PRDMD를 확장하고 적용한 것은 큰 의의가 있다.

연구팀에 따르면 PRDMD의 주요 강점은 ‘노이즈에 대한 높은 강건성’과 ‘적은 양의 데이터로도 정확한 예측이 가능하다’는 점이다. 제한된 데이터 환경에서도 신뢰성 있는 결과를 제공할 수 있는 비교적 자유도 높은 선택지가 될 수 있다는 것이다.

이런 특성은 노이즈가 포함된 실제 환경에서도 PRDMD의 적용 가능성을 높이며 특히 발전소의 대형 열교환기나 건물의 대규모 공조 시스템처럼 시스템 규모가 커서 데이터 수집이 어렵거나 수집 비용이 과도하게 드는 상황에서 유용하게 활용될 수 있다.

논문의 제1저자인 강한비 학생은 “유체 분야 상위 10%에 해당하는 저명한 저널에 논문을 게재하게 돼 매우 기쁘다. 연구 과정에서 많은 부족함을 느꼈지만 교수님의 따뜻한 지도와 세심한 조언 덕분에 한 걸음씩 성장하며 극복할 수 있었다”며 “항상 아낌없는 가르침을 주신 교수님께 진심으로 감사드리고 이번 논문이 끝이 아닌 새로운 시작이 될 수 있도록 앞으로도 더욱 정진하겠다”고 말했다.