항공기 설계에서 기계 학습을 통한 지식 이전

현대 항공기는 우리 사회의 중요한 부분으로 발전해 왔습니다. 그 설계는 다학제적 특성을 가지고 있으며 상호 의존하는 여러 분야의 복잡한 분석 및 대규모 탐색 공간으로 특징지어집니다. 역사적으로 기계 학습은 항공기 설계에서 중요한 역할을 해왔으며, 주로 비싼 물리 기반 수치 시뮬레이션을 근사화하는 방식으로 사용됩니다. 본 연구에서는 이 응용 분야에서 기계 학습의 현재 역할을 요약하고, 이 분야의 최근 발전을 통합하여 그 영향을 더욱 확대할 기회를 강조합니다. 특히, 현재 노력의 주요 부분을 나타내는 회귀 모델(또는 대리 모델)은 일반적으로 제로 사전 지식 상태를 가정하고, 관심 있는 대상 문제의 진행 중인 데이터에만 의존하여 처음부터 구축됩니다. 그러나 설계 과정의 점진적 특성 때문에, 다양한 관련 소스로부터 활용할 수 있는 관련 지식이 존재할 가능성이 높습니다. 따라서 우리는 설계 성능을 향상하기 위해 자동 지식 이전을 촉진하는 세 가지 비교적 고급 기계 학습 기술을 제시합니다. 이후, 우리는 이 기술 중 하나인 전이 학습의 효능을 두 가지 항공기 엔진 설계의 사례를 통해 입증하여 주목할 만한 결과를 도출합니다. 우리의 목표는 이 새로운 응용 프로그램을 기계 학습에서 지식 이전의 두드러진 특성이 드러날 수 있는 적합한 영역으로 드러내어, 향후 연구 노력을 장려하는 것입니다.