Machine learning for the representation of chemical kinetics in reactive flows

Abstract

연소 화학반응의 상세반응기구에 대한 정보는 발전을 거듭하였지 만 이를 직접 수치해석에 활용할 때는 막대한 계산 비용이 발생하게 된다. 점화, 소염, 연소 불안정과 같은 연소 현상을 정확하게 예측하 기 위해서는 반응유동 해석의 저비용화가 필수적이다. 최근 기계학 습 기법은 복잡하고 비선형적인 함수를 쉽게 모델링할 수 있으며 계 산 속도가 빠르고 메모리 점유율이 낮다는 장점이 있어 다양한 연소 분야 연구에 접목되고 있다. 본 연구에서는 기존 아레니우스 기반의 생성항 산출 기법을 대체하여 화학종의 생성률을 예측할 수 있는 기 계학습 기법을 제시한다. 기계학습 기법의 일종인 인공신경망이 활 용되었으며 다양한 연소해석 문제에 적용하기 위해 신경망에 대향류 확산 화염 해를 학습시켰다. 확산화염의 1차원 정상해 해석자와 9개 의 화학종과 19개의 화학반응으로 구성된 수소/산소 반응기구를 활 용하여 화학종의 질량분율, 온도, 화학종의 생성항으로 구성된 학습 데이터 세트를 구축하였다. 신경망 학습 과정에서 화학반응에서의 원소질량보존을 고려하기 위해 평균 제곱 오차에 원소질량보존을 규 제하는 항이 추가된 함수를 손실 함수로 사용하였다. 본 연구에서 구축된 신경망의 예측 정확도와 계산 효율성을 평가하기 위해 기존 아레니우스 기반의 생성률 산출 기법과 비교하였고 신경망의 응용성 을 확인하기 위해 확산화염의 1차원 정상해 해석자에 탑재한 후 수 치해석을 진행하였다. 그 결과 본 연구에서 구축된 신경망은 기존 기법보다 빠른 계산 속도를 보이면서 화학종의 생성항을 정확하게 예측하였고 확산화염의 1차원 정상해 해석자에 탑재되었을 때도 화 염 구조를 정확하게 재현할 수 있었다.

Reducing the computational cost of chemical kinetics is essential to implement detailed reaction mechanisms into realistic numerical simulations. The present study introduced an artificial neural network (ANN) that can predict the chemical source terms of each species for the given species mass fractions and temperature, replacing the conventional chemical terms based on Arrhenius rate equations. The ANN was trained using numerical solutions of opposed-flow flames that can cover a wide range of combustion problems. The OPPDIF code and a detailed reaction mechanism for hydrogen and air with 9 species and 19 reactions were used to generate a training dataset comprised of species mass fractions, temperature, chemical source terms. A physics-guided loss function that considers mass conservation of elemental species was employed. Using the trained ANN, a modified OPPDIF, named OPPDIF-ANN, was prepared by replacing the CKWYP with CKWYP-ANN evaluating the chemical sources via the trained ANN. For multiple global strain rate conditions, the solutions using ANN-based source terms were proven to be identical to those using Arrhenius source terms.