우주 쓰레기 제거를 위한 레이저 유도 플라즈마의 Neural Representation 모델링

키워드

확장요약문

레이저 유도 플라즈마 동역학의 정확한 예측은 펄스 레이저 절삭 추진 활용에 필수적이나, 플룸 진화의 강한 비선형성과 극단적인 데이터 범위로 인해 이를 신경망으로 모델링하는 데 어려움이 존재합니다. 본 연구에서는 다양한 레이저 작동 조건하에서 시공간 플라즈마 동역학을 효과적으로 학습하기 위해, 좌표 기반의 신경망 대리 모델 프레임워크를 제안합니다. 제안된 기법은 공간과 시간을 연속적으로 학습하는 인코딩 방식과, 조건별 진화 과정을 정렬하고 넓은 데이터 범위를 안정적으로 처리하는 정규화 기술을 결합한 것이 특징입니다. 복사-유체역학 시뮬레이션 데이터셋을 활용한 수치 검증 결과, 제안 기법은 기존 베이스라인 대비 시간 및 레이저 에너지 보간 관점에서 우수한 장 복원 정확도와 일반화 성능을 나타냈습니다. 아울러 복원된 필드 데이터로부터 추진 성능 관련 적분량을 한층 정밀하게 산출할 수 있었으며, 추력 프로파일은 참조 시뮬레이션 결과와 높은 일치도를 보였습니다. 이러한 결과는 본 연구에서 제안한 대리 모델이 펄스 레이저 절삭 추진 시스템의 신속한 플라즈마 장 복원 및 추력 기반 충격량 추정에 유용하며, 궤도 상 우주 쓰레기 제거를 위한 레이저 추력 제어 기술의 고도화에 기여할 수 있음을 시사합니다.