인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
그래프 신경망 기반 입자 유체 시뮬레이터는 단일 스텝 정확도가 높아도 자기회귀 롤아웃에서 오차가 누적되어 발산하는 문제가 있다. 본 논문에서는 물리 유도 그래프 신경망의 롤아웃 안정화를 위해 정규화 속도 변화량 예측, 잡음 주입, pushforward 다중 스텝 손실로 구성된 학습 기법과 수조 벽·강체를 동일한 유형 가중 경계 입자로 표현하는 통합 경계 처리를 제안한다. 또한 오차·보존·경계조건 위반율을 함께 측정하는 다지표 평가 프로토콜을 도입한다. SPH로 생성한 6종 유체-강체 시나리오 30개의 77-스텝 롤아웃에서 기존 대비 속도 오차 57%, 위치 오차 67%, 에너지 편차 74%를 줄였으며 수조 벽 유출률을 8~12%에서 0%로 제거하였다. 구성요소 제거 실험을 통해 성능 개선의 대부분이 학습 기법과 경계 표현에서 기인함을 확인하였고, 속도 오차 단일 지표는 과감쇠 모델을 우수하다고 오판할 수 있어 보존 지표 병행이 필요함을 실증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
