Pareto-Optimal Hypersonic Vehicle Design with Canonical-Coordinate Neural Operator Surrogates Under Ablation-Driven Shape Change and Incidence Variation

우주 가장자리에서의 고속 비행은 엔지니어들에게 독특하고도 가혹한 과제를 안겨줍니다. 비행체가 음속보다 5배 빠르게 이동할 때, 전방의 공기는 단순히 옆으로 밀려나는 것이 아니라 너무 격렬하게 압축되어 공기 분자 자체가 분해되고 화학적으로 반응하기 시작하는 온도까지 가열됩니다. 이는 차량의 형상, 그로 인해 발생하는 열, 그리고 차량을 밀어내는 힘이 모두 정교한 균형 속에 얽혀 있는 복잡한 환경을 조성합니다. 이 영역을 위한 비행체를 설계하려면 연료를 아끼기 위해 항력을 최소화하는 동시에, 기체의 표면을 녹일 수 있는 강렬한 열을 관리할 수 있는 형상을 찾아내야 합니다. 전통적으로 엔지니어들은 이러한 설계를 테스트하기 위해 강력한 컴퓨터 시뮬레이션에 의존해야 했습니다. 이러한 시뮬레이션은 매우 정확하지만 동시에 매우 느려서, 단 하나의 비행 조건만을 모델링하는 데에도 며칠이 걸리기도 합니다. 이 과정은 비용이 매우 많이 들기 때문에, 설계자들은 대개 극소수의 형상만을 테스트할 수 있으며, 이는 수많은 가능성을 탐구하지 못한 채 최적의 설계를 놓칠 수도 있음을 의미합니다.

한 연구팀은 이러한 병목 현상을 우회할 수 있는 새로운 방법을 개발하여, 과거에는 단 하나의 시뮬레이션을 실행하는 데 걸렸던 시간 동안 수천 가지의 설계 변형을 탐색할 수 있게 했습니다. 그들은 느린 컴퓨터 시뮬레이션을 대신할 빠르고 지능적인 지름길 역할을 하는 일종의 인공지능을 만들었습니다. 모든 새로운 형상이나 비행 각도에 대해 전체의 무거운 계산을 수행하는 대신, 이 시스템은 공기가 어떻게 흐르고 가열되는지에 대한 근본적인 패턴을 학습합니다. 일단 훈련을 마치면, 이 시스템은 새로운 설계의 거동을 거의 즉각적으로 예측할 수 있습니다. 연구진은 이 접근 방식을 두 가지 매우 다른 유형의 극초음속 비행체에 대해 테스트했습니다. 하나는 열에 의해 코 부분이 마모됨에 따라 변화하는 뭉툭한 코(blunt-nosed) 형태의 제품군이고, 다른 하나는 자신의 충격파를 타고 비행하도록 설계된 날카로운 3차원 비행 날개입니다. 두 경우 모두, 새로운 시스템은 복잡한 공기 흐름과 열을 높은 정확도로 예측해냈으며, 이를 통해 팀은 속도, 양력, 열 보호 사이의 완벽한 절충점을 단 몇 분 만에 그려낼 수 있었습니다.

연구진이 직면했던 핵심적인 어려움은 극초음속 비행의 물리학이 차량의 형상이나 비행 각도에 따라 급격하게 변한다는 점이었습니다. 한 가지 테스트 사례에서, 그들은 코의 반경이 변하는 뭉툭한 코 형태의 제품군을 살펴보았습니다. 코가 더 뭉툭해지거나 날카로워짐에 따라, 공기가 흐르는 물리적 공간 전체의 모양이 변합니다. 표준 컴퓨터 모델은 공기를 측정하는 격자점이 설계마다 달라지기 때문에 이러한 서로 다른 형상들을 비교하는 데 어려움을 겪을 수 있습니다. 이를 해결하기 위해 연구진은 모든 서로 다른 기하학적 구조를 하나의 공통 참조 프레임으로 늘리고 재형성하는 방법을 발명했습니다. 마치 한 나라의 지도를 가져와서, 실제 그 나라의 모습이 어떠하든 상관없이 모든 국경과 해안선이 표준 격자에 완벽하게 일치하도록 늘리는 것과 같습니다. 이렇게 함으로써, 인공지능은 공기 흐름의 패턴을 한 번 학습한 뒤, 본 적 없는 형상이라 할지라도 해당 제품군 내의 어떤 형상에도 적용할 수 있었습니다.

두 번째 테스트 사례인 3차원 비행 날개의 경우, 기하학적 구조는 일정하게 유지되었지만 차량이 위아래로 기울어짐에 따라 공기가 부딪히는 방식이 변했습니다. 각도가 변함에 따라, 강력한 충격파(압축된 공기의 얇은 벽)가 차량 표면을 가로질러 이동합니다. 이 움직이는 충격파는 컴퓨터 모델에 있어 큰 문제인데, 이는 위치가 매 각도 변화마다 바뀌는 날카롭고 불연속적인 특징이기 때문입니다. 모델이 도움 없이 이를 학습하려고 하면, 충격파를 흐릿하게 만들어 날카로운 압력의 벽을 뭉툭하고 부정확한 경사로 만들어버리는 경향이 있습니다. 연구진은 시스템이 충격파의 위치를 먼저 인식하도록 가르침으로써 이 문제를 해결했습니다. 그들은 주어진 각도에 대해 충격파가 정확히 어디에 위치할지를 먼저 예측하는 특별한 단계를 추가했습니다. 그런 다음, 이 예측을 사용하여 충격파와 함께 움직이는 새로운 좌표계를 생성함으로써, 모델의 내부 관점 내에서 날카로운 가장자리가 항상 같은 위치에 있도록 유지했습니다. 이를 통해 시스템은 표준 모델이 할 수 없었던 방식인, 충격파를 흐릿하게 만들지 않고도 그 날카로운 세부 사항을 학습할 수 있었습니다.

연구 결과는 놀라웠습니다. 뭉툭한 코 형태의 제품군에 대해, 팀은 항력과 열 사이의 최적의 균형을 찾기 위해 1,000개 이상의 서로 다른 설계를 훑었습니다. 과거에 전통적인 시뮬레이션으로 이만큼의 설계를 테스트했다면 수년의 컴퓨터 시간이 걸렸을 것입니다. 새로운 방법을 사용한 결과, 팀은 단일 컴퓨터 프로세서로 약 3분 만에 전체 탐색을 완료했습니다. 그들은 한 요소를 개선하면 필연적으로 다른 요소가 악화되는, 최적의 절충안을 제공하는 200개의 설계를 찾아냈습니다. 그들은 항력을 약간 수용함으로써 차량 코 부분의 피크 가열을 크게 줄일 수 있다는 사실을 발견했는데, 이는 열 보호 측면에서 매우 중요한 통찰입니다. 마찬가지로, 비행 날개의 경우 수백 개의 서로 다른 비행 각도를 스캔하여 효율성의 최적점을 찾았습니다. 그들은 특정 각도가 열 부하의 미미한 손실만으로도 양력을 실질적으로 높여주는 지점을 발견했는데, 이는 이토록 조밀한 설계 공간 탐색 없이는 찾아내기 어려운 조합이었습니다.

연구진은 자신들의 방법이 가진 한계점도 신중하게 명시했습니다. 이 시스템은 차량에 부딪히는 총 열량을 예측하는 데는 탁적이었으나, 표면의 단일 최고점 온도를 예측하는 데는 정밀도가 다소 떨어졌습니다. 이는 최고점 온도가 설계가 변함에 따라 표면의 아주 작은 구역들 사이를 옮겨 다니는 매우 국소적인 지점이기 때문에, 전체 몸체의 평균 열량보다 파악하기 어렵기 때문입니다. 결과적으로, 그들은 설계 선택의 주요 목표로 총 열 부하를 사용하였고, 피크 온도는 주된 동력이 아닌 이차적인 확인 용도로 취급했습니다. 또한, 그들은 시스템이 이미 훈련 과정에서 보았던 형상의 범위 내에 있는 설계를 예측할 때 가장 잘 작동한다는 것을 발견했습니다. 훈련 범위를 훨씬 벗어난 형상을 예측하도록 요청했을 때는 정확도가 떨어졌지만, 엉뚱한 오류를 범하지 않을 정도로 안정적이었습니다. 이는 이 도구가 완전히 새로운 기하학적 구조를 처음부터 발명하기보다는, 기존 설계들 사이의 공간을 탐색하는 데 가장 적합하다는 것을 시사합니다.

궁극적으로, 이 연구는 극초음속 비행체가 설계되는 방식의 변화를 보여줍니다. 수천 번의 시뮬레이션을 실행하는 느리고 무식한 방식 대신, 빠르고 학습된 대리 모델(surrogate model)로 대체함으로써, 엔지니어들은 이제 가능성의 전체 지형을 볼 수 있게 되었습니다. 그들은 이제 단 몇 개의 지점만을 샘플링하고 최적의 설계가 어디에 있을지 추측해야 하는 상황에 처해 있지 않습니다. 대신, 그들은 리프트 증가를 위해 얼마만큼의 열을 감수해야 하는지, 혹은 약간 다른 형상을 수용함으로써 얼마나 많은 항력을 아낄 수 있는지와 같이, 모든 연속적인 절충 관계를 직접 볼 수 있습니다. 이 방법이 최종 선택을 검증하기 위해 여전히 필요한 고정밀 시뮬레이션의 필요성을 대체하는 것은 아니지만, 시뮬레이션의 역할을 탐색을 제한하는 병목 현상에서 최적의 후보를 위한 최종 체크포인트로 변화시킵니다. 이를 통해 설계 과정은 엔지니어가 좋은 설계를 우연히 발견하기를 바라는 운 게임에서, 최선의 타협점을 확실하게 찾아내는 정보에 기반한 선택의 과정으로 이동할 수 있게 됩니다.