ASP-Assisted Symbolic Regression: Uncovering Hidden Physics in Fluid Mechanics

기술 요약: 유체 역학에서의 ASP 지원 기호 회귀

문제 제기
유체 역학 모델링은 물리적으로 투명하지만 계산 비용이 많이 드는 전통적인 전산 유체 역학 (CFD) 과 효율성은 제공하지만 종종 해석 가능성 (interpretability) 이 부족하여 "블랙박스" 행동을 보이는 현대의 머신러닝 (ML) 접근법 사이의 이분법에 직면해 있습니다. 기호 회귀 (SR) 는 데이터로부터 해석 가능한 수학적 식을 발견할 수 있는 유망한 대안으로 부상했지만, 순수하게 데이터에 의존하는 SR 모델은 통계적으로 정확하지만 물리적으로 타당하지 않은 방정식을 생성할 위험이 있습니다. 이러한 모델들은 근본적인 물리 법칙에 대한 명시적인 지식이 없이 작동하기 때문에 도메인별 제약 조건이나 기본 물리 법칙을 위반할 수 있습니다. 본 연구는 직사각형 채널 내 3 차원 (3D) 층류 유동을 모델링하는 과제를 다루며, 특히 정확하고 물리적으로 일관된 축방향 속도 및 압력장에 대한 간결하고 해석 가능한 공식을 도출하는 데 중점을 둡니다.

방법론
본 연구는 표준 기호 회귀 접근법과 Answer Set Programming (ASP) 을 통합한 혁신적인 하이브리드 프레임워크라는 두 가지 주요 전략을 사용합니다.

1. 데이터 생성 및 설정:

   • 물리적 문제는 대칭적인 직사각형 덕트 ($L=5, H=W=1$) 내의 3D 층류 유동입니다.
   • 지배 방정식은 무차원 나비에 - 스토크스 방정식과 질량 보존 법칙입니다.
   • 수치 해법은 MATLAB 에서 구현된 유한 체적법 (FVM) 을 사용하여 $50 \times 25 \times 25$ 그리드로 생성되었습니다.
   • 유동은 상수인 흐름 방향 압력 구배 ($c$) 에 의해 구동되며, 이는 주요 제어 매개변수 역할을 합니다. 유효 레이놀즈 수 ($Re$) 는 수치 해법으로부터 사후 (a posteriori) 계산되어 SR 모델의 스칼라 제어 매개변수로 사용됩니다.
   • 데이터셋에는 훈련 ($Re \in \{34, 105, 174, 209, 279\}$) 및 테스트 ($Re \in \{70, 139, 244\}$) 세트가 포함됩니다.

2. 기호 회귀 (SR) 단계:

   • PySR 라이브러리 (v0.19.4) 를 사용하여 축방향 속도 ($u$) 와 압력 ($p$) 에 대한 기호 식을 공간 좌표 ($X, Y, Z$) 와 $Re$의 함수로 발견합니다.
   • 기본 연산자: 검색 공간은 도메인 기반 연산자로 제한됩니다: 기본 산술 연산 ($+, -, *, /$) 과 저차 다항식 (제곱, 세제곱).
   • 제약 조건: 해석 가능성을 보장하기 위해 식의 복잡성은 25 개 연산으로 제한됩니다. 중첩 제약은 중복된 고차 함수를 방지합니다.
   • 최적화: 평균 제곱 오차 (MSE) 를 최소화하기 위해 1000 회 반복을 거쳐 모델을 진화시켜 정확성과 단순성 사이의 균형을 이루는 파레토 프론트 (Pareto front) 의 해를 생성합니다.

3. 하이브리드 SR/ASP 단계:

   • 순수 데이터 기반 모델의 한계를 해결하기 위해 저자들은 SR 을 제약 충족을 위한 선언적 프로그래밍 패러다임인 Answer Set Programming (ASP) 과 통합합니다.
   • 워크플로우: SR 이 후보 방정식을 생성합니다. 이러한 방정식은 사실 (예: 복잡성, 손실, $Re$또는$Y^2$과 같은 특정 항의 존재) 로 파싱됩니다.
   • 필터링: ASP 프로그램은 도메인별 물리 제약 조건 (예: $X^3$ 또는 $Y^3$과 같은 비물리적 항의 배제, $Re$ 포함 요구 사항, 무미끄럼 경계 조건 준수, 대칭성 요구 사항 등) 을 인코딩합니다.
   • 해결: ASP 솔버 (CLASP) 는 이러한 사실과 제약 조건을 처리하여 SR 출력을 필터링하고, 통계적으로 정확하고 물리적으로 유효한 방정식만 유지합니다.

주요 기여

• 간결한 물리 법칙 도출: 본 연구는 수치 해법과 확립된 분석적 경향과 밀접하게 일치하는 3D 층류 유동 속도와 압력에 대한 명시적이고 폐쇄형 기호 방정식을 성공적으로 도출했습니다.
• 새로운 SR/ASP 통합: 본 논문은 저자들의 지식 범위 내에서 기호 회귀와 Answer Set Programming 을 결합한 최초의 시도를 제시합니다. 이 하이브리드 프레임워크는 SR 의 생성적 힘과 ASP 의 선언적 추론을 활용하여 도출된 모델이 물리 원칙을 준수하도록 보장합니다.
• 강건성 검증: 이 접근법은 데이터에 2% 의 노이즈를 주입하고 연산자 집합을 확장 (삼각함수/지수함수 포함) 하여 검증되었으며, 발견된 다항식 관계가 검색 공간의 인공물이 아닌 유동 물리학의 진정한 반영임을 입증했습니다.

결과

• 속도 모델: SR 모델은 $u_{symb} = Re(2.18 - 8.46 Y^2)(1 - 3.89 Z^2)$ 방정식을 도출했습니다. 이 식은 예상되는 포물선형 속도 프로파일을 포착합니다. 훈련 세트에서 정규화 평균 절대 오차 (NMAE) 는 **0.008%**였으며, 테스트 세트에서는 **0.010%**였습니다.
• 압력 모델: 도출된 압력 방정식은 $p_{symb} = Re(143.43 - 28.69 X)$이며, 이는 선형 압력 강하를 반영합니다. 이 모델은 $10^{-8}\%$ 범위의 NMAE 를 달성하여 수치 데이터와의 거의 완벽한 정합을 나타냈습니다.
• 문헌과의 비교: 도출된 속도 방정식은 문헌에서 발견된 직사각형 덕트에 대한 분석적 해 (예: $u \propto (1-4y^2)(1-4z^2)$) 를 근사하며, 미세한 불일치는 유한 해상도 수치 데이터에 기인합니다.
• ASP 필터링: 대표적인 예에서 ASP 모듈은 14 개의 방정식으로 구성된 파레토 프론트를 성공적으로 필터링했습니다. 이는 최종 속도 방정식을 포함한 가장 정확하고 물리적으로 유효한 후보를 약 0.1 초 내에 선택했는데, 이는 SR 훈련 단계에 필요한 15 분에 비해 무시할 수 있는 시간입니다. 필터링은 대칭성이나 경계 조건을 위반하는 방정식을 성공적으로 배제했습니다.

의의 및 주장
본 논문은 제안된 SR/ASP 방법론이 데이터 기반 및 지식 표현 접근법을 결합하여 유체 역학에서 AI 모델의 해석 가능성, 신뢰성, 물리적 정합성을 향상시킬 수 있는 잠재력을 보여준다고 주장합니다.

• 해석 가능성: "블랙박스" ML 모델과 달리, 결과 방정식은 인간이 읽을 수 있으며 포물선형 속도와 선형 압력 강하와 같은 근본적인 물리를 드러냅니다.
• 신뢰성: ASP 를 통합함으로써 프레임워크는 모델이 단순히 데이터에 적합하는 것을 넘어 도메인별 제약 조건을 존중하도록 보장하여 물리적으로 불가능한 방정식의 선택을 방지합니다.
• 효율성: 도출된 기호 식은 계산 집약적인 수치 방법에 대한 효율적인 대리 모델 (surrogate) 로서 작동하여 빠르고 정확한 예측을 제공합니다.

저자들은 미래적 함의에 대해 겸손한 어조를 유지하며, 현재 연구는 특정 3D 채널 기하학에 초점을 맞추고 있지만 프레임워크는 일반화 가능하다고 지적합니다. 그들은 향후 작업으로 SR 연산자에 체비셰프 다항식을 통합하고 자연어 도메인 지식 설명에서 ASP 제약 조건을 자동으로 도출하기 위해 대규모 언어 모델을 사용하는 것을 제안합니다.