Interactive Demo of Real Time Simulator

받음각과 마하수에 따른 에어포일 주변 유동의 실시간 가시화

• 다양한 입력 매개변수 조건에서의 유동장을 Reduced Order Model(ROM)로 실시간 예측·가시화하는 interactive demo입니다. 슬라이더로 입력 매개변수(받음각, 마하수)를 변경하면 브라우저 내에서 실시간으로 압력장 가시화가 이루어지며, 마우스 입력으로 3D 뷰 회전·확대·이동이 가능합니다. 상단 토글로 POD와 CNN 두 가지 ROM을 전환하며 비교할 수 있습니다.
• POD 모드는 Three.js와 GLTF 포맷을 활용하여 구현되었습니다. 사전에 계산된 ROM 모드와 계수를 GLTF 메시에 임베딩하여 페이지 로드 시 브라우저에 다운로드하고, 로컬에서 실시간 선형 중첩을 수행합니다. CNN 모드는 PyTorch로 학습한 모델을 ONNX 형식으로 export하여 브라우저 내 ONNX Runtime Web(WASM)으로 추론합니다.
• 아음속 에어포일 유동(Mach 0.3~0.5)에는 POD(Proper Orthogonal Decomposition) 기반 ROM을 적용하였습니다. POD는 스냅샷 데이터로부터 에너지 최적 모드를 추출하는 선형 기법으로, 유동장이 비교적 부드럽게 변하는 아음속 영역에서는 소수의 스냅샷만으로도 높은 재구성 정확도를 보입니다. 본 데모는 60개의 스냅샷 케이스로부터 추출한 10개의 POD 모드를 사용하며, 모드 에너지 기준으로 원본 데이터의 99.9%가 재현됩니다.
• 초음속 에어포일 유동(Mach 1.5~2.5)에는 CNN(Convolutional Neural Network) 기반 ROM을 적용하였습니다. 선형 모드 분해 방식인 POD는 충격파와 같은 국소적·비선형적 구조를 충분히 표현하지 못하는 한계가 있는 반면, CNN은 컨볼루션 커널이 공간적 패턴을 직접 학습하기 때문에 이러한 구조도 효과적으로 포착할 수 있습니다. 약 600개의 OpenFOAM 해석 케이스를 학습 데이터로 사용하였으며, FC-ConvTranspose2d Decoder 구조로 2개의 입력 파라미터(받음각, 마하수)로부터 압력장 전체를 직접 예측합니다.
• 본 데모는 WebXR 기반의 VR 및 AR 모드를 지원합니다. VR/AR 환경에서는 컨트롤러의 회전과 이동 입력을 통해 받음각, 마하수 등의 파라미터를 직접 조정할 수 있으며, 유동장 변화를 공간감 있는 몰입형 환경에서 실시간으로 체험할 수 있습니다. 지원하는 기기에서 접속 시 데모 하단의 VR/AR 버튼이 활성화됩니다.