AI 기반 열시스템 설계 기술: AI-Driven Thermal System Design and Optimization
우리 복사열전달 연구실에서는 AI 및 계산과학 기반 방법론을 다양한 열시스템 설계에 활용하는 기술을 확보하고 개발하고 있다. 주어진 열공학적 문제에서 1) 주어진 시스템의 성능을 예측하는 모델을 수립하거나, 2) 최적의 성능을 구현하기 위한 설계 변수 조합을 탐색하여 문제를 해결한다. 신경망모델, 기계학습모델 등 AI 기반 예측 모델을 학습하여 시스템 성능 예측에 소요되는 계산 자원 소모를 절감하고, 유전 알고리즘(genetic algorithm), 입자 군집 최적화(particle swarm optimization) 등 계산과학 기반 최적화 기법을 적용하여 열시스템을 최적설계할 수 있다. 이를 이용해 복사열전달 효율 극대화를 위한 광학 메타물질 (예, 광대역 태양열 흡수체, 복사냉각체, 근접장 태양 열광전 변환 시스템), 효율적인 열관리 시스템 설계 (예, SSD 발열 제어용 열관리 시스템, 배터리 열유동 해석 예측 모델) 등 다양한 열시스템을 설계하였다. 그 뿐 아니라, 최적화 기법 및 AI 기반 학습 모델을 활용해 주어진 설계 변수에 대한 시스템 성능을 예측하는 “정방향” 해결 기법에 더불어 원하는 성능 출력을 달성하기 위한 설계를 “역방향”으로 제안하는 “역 문제(inverse problem)” 해결 기법 또한 확보하였다. 열시스템의 비선형성으로 인한 설계의 어려움을 효과적으로 해결하여 다양한 역 문제 기반 열시스템 (예, 플라즈모닉 나노유체 기반 태양열 흡수체, 배터리 동적 열관리 시나리오 제안) 설계에 힘쓰고 있다. 본 연구실에서 개발하는 AI 기반 열공학 문제 해결 방법론을 통해 현재 우리가 직면한 다양한 에너지 문제를 보다 반직관적(counter-intuitive)이고 창의적인 방법으로 해결하는 데에 기여하고자 한다.