Professional Documents
Culture Documents
15-431
15-431
15-431
인하대학교 전기컴퓨터공학과
JeongYeEun@inha.edu, sangyeunyoon@inha.edu, bsshin@inha.ac.kr
Splash correction technique for fluid simulation using 2D grid
data
Ye-eun JeongO Sang-yeun Yoon Byeong-seok Shin
Department of Electrical and Computer Engineering, Inha University
요 약
기존의 유체 시뮬레이션에서 포말 보정을 위한 딥러닝 기법은 유체 입자마다 주변 유체 덩어리의 속도
를 계산하여 학습 데이터로 사용하였기 때문에 입자의 개수에 비례하여 학습 속도가 늘어나는 문제가 있
다. 이 논문에서는 이러한 문제를 해결하기 위해 유체 시뮬레이션 도중에 입자의 속도를 갱신하는데 사
용하는 임시 데이터를 추출하고, 이를 학습 데이터로 사용하여 포말 보정을 위한 딥러닝 학습 과정을 최
적화하는 방법을 제안한다. 이러한 임시 데이터는 2차원 격자 형태이므로, 이미지의 특징을 추출하여 보
존하는 U-NET을 사용했다. 이는 간과되었던 포말 현상을 정확하게 보정하여, 현실적인 시각 표현이 중
요한 시뮬레이션에 도움을 줄 수 있다.
1270
2023 한국소프트웨어종합학술대회 논문집
터로 직접 처리하며, 인코딩과 디코딩 영역으로 구성된 추출하여 입자의 개수와 비례하여 데이터 크기가 증가
다. 인코딩 단계에서 데이터 차원이 축소되지만, 디코딩 하는 기존의 방식과 달리 입자 개수에 상관없이 고정된
단계에서는 차원을 복원하면서 정보 손실을 최소화한다. 크기를 갖기 때문에 학습 데이터의 크기를 줄일 수 있
이때, 인코딩 단계에서 저장한 결과를 다시 활용함으로 다. 또한, 기존 시뮬레이션에서는 유체 입자의 특성을
써 적은 양의 데이터로도 높은 분류 성능을 제공한다. 추출할 때, 주변 유체 덩어리와의 상대적인 속도 변화를
고려하여 해당 입자가 어느 유체 덩어리에 속하는지 위
3. 포말 보정을 위한 유체 시뮬레이션 치 계산을 했다. 그러나, 2차원 격자 데이터를 사용함으
로써 입자의 위치 계산이 필요 없어 계산 복잡성이 낮
이 논문에서는 입자기반 유체 시뮬레이션에서 쇄파를 아졌다.
통해 발생하는 포말의 현실적인 표현을 위해 2차원 격 3.2 딥러닝 네트워크
자에 저장된 유체 특성을 학습 데이터로 사용한다. 이 포말의 판별과 속도 예측을 위하여 2차원 격자 데이
데이터의 격자 셀의 정보를 보존하며, 분류 정확도를 향 터를 학습할 수 있는 2개의 UNET 모델을 사용하였다.
상시키는 U-NET 네트워크를 적용하여 얻은 포말 판별 두 네트워크는 학습 데이터의 입력 값으로 격자에 저장
과 수정된 속도 값으로 포말 보정 작업을 수행한다. 된 유체의 특징 값을 사용하며, 출력 값으로 각각 격자
의 분류 라벨 값과 격자 내 유체 입자의 속도 변화 값
3.1 2차원 격자 데이터 을 사용한다. 학습된 두 네트워크는 격자 내 유체 입자
들이 포말로 분류될 확률과 유체 입자가 포말일 경우
변화되어야 하는 속도를 출력한다.
격자 셀의 속도를 수정한 후, 해당 격자 셀에 있는 입
자의 속도를 수정한다. 먼저, 각 입자의 위치를 격자 공
간 좌표로 변환하고, 입자의 격자 셀 내에서의 상대적인
위치를 계산한다. 현재 고려되는 격자 셀 주변의 다른
격자 셀에서 입자의 속도 정보를 수집하고, 주변의 격자
셀이 입자에게 주는 영향을 커널 함수로 정의한 가중치
를 사용하여 새로운 속도 및 형태변형 행렬을 계산한다.
이를 입자에 적용하여 새로운 위치로 수정하는데, 이는
(그림 1) 논문에서 제안하는 2차원 격자 데이터 추출 기존 방식에서 간과되었던 포말 현상을 정확하게 감지
과정. 하고 보정한다.
1271
2023 한국소프트웨어종합학술대회 논문집
5. 결론
1272