HiLiftAeroML: 고양력 항공기 공력 연구를 위한 고충실도 전산유체역학 (CFD) 데이터셋
요약
고양력 항공기 공력 연구를 위한 최초의 오픈 소스 고충실도 CFD 데이터셋인 HiLiftAeroML을 소개합니다. NASA CRM 형상의 180가지 변형과 10가지 받음각을 포함하여 총 1,800개의 샘플로 구성되었으며, GPU 가속 기반의 Wall-modeled LES 방식을 통해 높은 정확도를 확보했습니다.
핵심 포인트
- AI 대리 모델(Surrogate Model) 개발을 목적으로 하는 고충실도 CFD 데이터셋 공개
- 3억~5억 개의 셀을 사용하는 솔루션 적응형 격자와 Wall-modeled LES 방식 적용
- NASA CRM 형상의 180가지 변형 및 10가지 받음각을 포함한 1,800개 샘플 제공
- CC-BY-4.0 라이선스를 통한 데이터의 자유로운 활용 및 항공우주 AI 연구 가속화
본 논문은 AI 대리 모델 (Surrogate Model) 개발을 목적으로 하는, 고양력 항공기에 대한 최초의 오픈 소스 고충실도 CFD 데이터셋을 설명합니다. 이 데이터셋은 AIAA 고양력 예측 워크숍 (High-Lift Prediction Workshop) 시리즈에서 사용되는 NASA 공통 연구 모델 (CRM) 형상의 180가지 형상 변형과 10가지 받음각 (Angle of Attack)으로부터 생성된 1,800개의 샘플로 구성되어 있습니다. 이 데이터셋의 혁신성 중 하나는 각 시뮬레이션에 대해 3억(300M)에서 5억(500M) 개의 셀 사이의 솔루션 적응형 격자 (Solution-adapted grids)를 사용하여 GPU 가속 기반의 고충실도 명시적 벽 모델 LES (Wall-modeled LES) 방식을 사용했다는 점입니다. 이는 해당 비행 영역 (Flight envelope)의 정상 상태 RANS (Steady-state RANS) 방식이 가진 알려진 한계점들을 고려할 때 가능한 최대의 정확도를 보장합니다. 전체 데이터셋 (형상, 시간 평균 체적 및 표면 변수, 그리고 적분 힘)은 허용 범위가 넓은 오픈 소스 라이선스 (CC-BY-4.0)에 따라 무료로 제공됩니다. 이 데이터를 공개함으로써, 우리는 항공우주 산업 내 AI 대리 모델링의 연구 및 개발을 가속화하는 것을 목표로 합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG (Machine Learning)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기