인터페이스 파쇄 학습: 스프레이 형성을 위한 기하학 조건부 잠재 대리 모델 (A Geometry-Conditioned Latent

스프레이 노즐을 설계하려면 기하학적 구조가 일시적인 2상 파쇄 (two-phase breakup)를 어떻게 형성하는지 예측해야 하지만, 적응형 격자 세분화 (Adaptive Mesh Refinement, AMR)를 포함한 고충실도 체적법 (Volume-of-Fluid, VOF) 시뮬레이션은 반복적인 설계 탐색을 수행하기에는 비용이 너무 많이 듭니다. 표준 대리 모델 (surrogate models) 또한 액체-기체 계면 (liquid--gas interface)과 기저의 적응형 이산화 (adaptive discretization)가 시간과 기하학적 구조에 따라 모두 변화하기 때문에 이러한 설정에서 어려움을 겪습니다. 우리는 797개의 2상 노즐 시뮬레이션을 통해 학습된 기하학 조건부 잠재 대리 모델 (geometry-conditioned latent surrogate)을 소개합니다. 이 모델은 전체 다채널 유동 상태 (multi-channel flow state) 대신, 솔버가 해상도를 집중시키는 위치에 대한 압축된 대리 지표로서 AMR 셀 밀도 필드 (cell-density field)를 인코딩함으로써 이 문제를 해결합니다. 이 표현으로부터 모델은 일시적인 밀도 진화 (transient density evolution)와 노즐 기하학을 재구성하며, 경량화된 2단계 과정을 통해 나머지 유동 변수들을 복원합니다. 별도의 시뮬레이션 데이터 (held-out simulations)에 대해, 이 방법은 핵심 계면 역학을 정확하게 포착하는 동시에 추론 시간을 궤적당 0.045초로 단축하였으며, 이는 Basilisk CFD 대비 $6 imes10^4$배 이상의 속도 향상에 해당합니다. 이러한 결과는 AMR 세분화 구조가 일시적인 2상 유동의 기하학 조건부 대리 모델링을 위한 압축 가능하고 학습 가능한 표현으로 기능할 수 있음을 시사합니다.