PyTorchKR Papers

업데이트된 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2503.08907v3cs.LG공식 코드 · Papers with Code

모델에서 실험으로: DYNASTY 실험 시설에 대한 얕은 순환 디코더 네트워크

From Models To Experiments: Shallow Recurrent Decoder Networks on the DYNASTY Experimental Facility

얕은 순환 디코더(Shallow Recurrent Decoder) 네트워크는 희소 관측을 고차원 모델 데이터와 결합하는, 상태 추정을 위해 최근 도입된 새로운 패러다임이다. 이 아키텍처는 표준 데이터 기반 방법에 비해 다음과 같은 중요한 장점을 지닌다. 즉, (무작위로 선택된 경우에도) 단 세 개의 센서만으로 물리 시스템의 전체 동역학을 재구성할 수 있고, 축소 기저로 생성된 압축 데이터로 학습할 수 있으며, (측정이 쉬운) 단일 장 변수를 측정하여 관측할 수 없는 결합된 시공간 장을 재구성할 수 있고, 하이퍼파라미터 조정이 최소한으로 필요하다. 이 접근법은 원자로를 포함한 여러 분야의 다양한 테스트 사례에서 검증되었으나, 현장에서 관측된 양을 활용한 실제 실험 시설에의 적용은 아직 이루어지지 않았다. 본 연구는 이러한 공백을 메우기 위해, 특히 순환 연료 원자로의 경우를 중심으로 4세대 응용을 위한 내부 가열 유체에 의해 형성되는 자연 순환을 연구하는, 밀라노 공과대학교(Politecnico di Milano)에 구축된 DYNASTY 시설에 얕은 순환 디코더 아키텍처를 적용하는 것을 목표로 한다. 고충실도 데이터를 생성하기 위해 RELAP5 코드를 사용하며, 시설에서 추출한 온도 측정값을 상태 추정의 입력으로 사용한다. 본 연구의 결과는 이 접근법이 정확한 상태 추정을 제공하는 능력을 보여줌으로써 공학 시스템에 대한 얕은 순환 디코더 아키텍처의 검증을 제공할 것이다.