1960년대 NASA의 NASTRAN을 시작으로 컴퓨터 지원 엔지니어링(CAE) 기술은 유한요소해석(FEA), 전산유체역학(CFD) 등으로 발전해왔으며, 최근에는 인공지능 기술의 부상과 함께 인공지능 지원공학(AAE)에 대한 관심이 증가하고 있다. 본 연구에서는 반복적인 원자로 내부 구조물 유로 설계에 사용되는 원형관 내 마찰계수를 예측하기 위해 다층 퍼셉트론(MLP)과 거대언어모델(LLM)을 적용하였다. 두 AAE 모델은 모두 층류, 천이, 난류 전 유동 영역에서 마찰계수를 레이블(ground truth) 대비 10% 이내의 오차로 정확히 예측하였다. 향후, 제안된 AAE 모델은 개선 및 확장을 통해 반복적인 원자로 설계 개선을 효율적으로 지원하는 기술로 발전할 수 있을 것으로 기대된다.
Lee et al. (Thu,) studied this question.