저GWP 냉매 마이크로채널 비등 유동 예측 모델

저GWP 냉매 R1233zd(E)를 활용한 액침 냉각 시스템에서 핵비등 시작(ONB)은 벽면 온도와 열적 여유를 결정하는 핵심 요소입니다. 실시간 디지털 트윈 구현을 위해서는 비등 클로저 모델의 반복적인 평가 대신 빠르고 미분 가능한 대리 모델이 필수적입니다. 본 연구는 마이크로 핀 채널의 R1233zd(E) 비등 현상을 위한 물리 제약형 신경망 모델을 제안합니다. 이 모델은 81가지 운전 시나리오에서 상관관계 기반으로 생성된 데이터를 활용하여 학습되었으며, 특징 기반 선형 변조(FiLM)를 통해 좌표 백본을 조절하고, 기울기 노름을 측정하여 물리 및 데이터 손실의 균형을 맞추는 방식으로 학습되었습니다. 제안된 모델은 모든 81개 시나리오에서 중앙값 벽면 온도 RMSE가 0.52 K로, 기존 Sato-Matsumura 모델(2.37 K) 대비 크게 향상된 정확도를 보였습니다. ONB 분류 F1 점수는 99.4%에 달했으며, ONB 위치는 평균 절대 오차 0.15 mm로 예측되었습니다. 또한, 학습되지 않은 운전 수준에서도 데이터 기반 모델보다 더 정확함을 입증했습니다. 이 모델은 CPU에서 앙상블 추론 시 0.64 ms의 빠른 처리 속도를 제공하며, ONB 과열도를 1.30 K 이내로 재현합니다. 다만, 건조(dry-out) 모델이 없어 건조 시작 이후에는 과대 예측하는 한계가 있습니다. 본 연구는 차세대 냉각 시스템 설계에 기여할 수 있는 실시간 비등 예측 솔루션을 제공합니다.