hysics-aware machine learning for CFD surrogate model to optimize passive autocatalytic recombiner configuration
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066282
교육부
한국연구재단
서울과학기술대학교
박재형
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
개발연구
대학
서울특별시 노원구
원자력 > 원자로계통/핵심기기기술 > 열유동 전산해석 기술
본 연구의 최종 목표는 OpenFOAM 기반 전산해석(CFD) 결과를 학습 데이터로 활용하여 물리 정보를 반영한 기계학습 기반 전산해석 대리모델을 구축하고, 이를 통해 한국의 신형 가압경수로인 APR1400 격납건물 내 피동형수소재결합기(PAR, Passive Autocatalytic Recombiner)의 최적 배치를 도출하는 것임. 원자력 발전소에서 중...
APR1400 격납건물을 대상으로 다양한 PAR 배치 조건에 따른 3차원 수소 농도 분포 및 유동장을 OpenFOAM 기반 containmentFOAM을 활용하여 전산해석하고 학습 데이터를 구축하고자 함. containmentFOAM은 독일 Forschungszentrum Julich(FZJ)에서 개발된 OpenFOAM 기반 격납건물 열수력 해석 코드로, ...
유사한 선행 연구에서 CFD 대비 수만 배 이상의 계산 시간 단축이 가능함을 보인 바 있으며, 본 연구를 통해 개발되는 물리 기반 전산해석 대리모델도 이와 같은 효과를 기대할 수 있음. 이를 통해 단일 CFD 해석에 수십 시간 이상이 소요되는 기존 방법과 달리, 수천~수만 가지의 PAR 배치 조합에 대한 수소 농도 분포를 단시간 내에 평가할 수 있게 됨으로...