연구진이 난류 반응 흐름의 직접 수치 시뮬레이션(DNS)을 가속화하는 물리 기반 머신러닝 프레임워크를 개발했어요. 이 모델은 상세 화학 반응 소스항을 대체하여 열화학 상태로부터 반응 속도를 예측하는 서브루틴을 사용해요.
열역학 제2법칙을 훈련 제약 조건으로 통합하여 엔트로피 생성을 비음수로 제한하여 시간 통합 시 안정성을 개선하고 물리적으로 허용 가능한 방향으로 열화학 상태의 진화를 제한해요.
잔여 기반 합성 데이터 증강 전략을 통해 새로운 훈련 데이터를 생성하여 추가적인 상세 화학 CFD 실행 없이 새로운 유입 조건에서 정확한 시뮬레이션 가능해요.