물리정보 신경망으로 지하 해석: 에너지 지오메카닉스 AI 국제협력센터 연구 계획과 로드맵 정리

핵심 메시지

• 연구의 최종 목표는 에너지 지오메카닉스 AI 국제협력센터 설립이며, 그 기반 기술로 물리 정보 기반 신경망을 개발한다.
• 지하 개발에서는 열·수리·역학·화학이 얽힌 복합 거동을 해석해야 해 단일 물리 현상보다 예측이 훨씬 어렵다.
• 현장 데이터에는 잡음과 불확실성이 커서, 온도처럼 잘 맞는 항목이 있는가 하면 상대습도처럼 이론으로 맞추기 힘든 항목도 있다.
• 대규모 3차원 수치해석은 반복 계산 시 시간이 크게 늘어나는데, 데이터만으로 학습하는 방식으로는 이를 대체하기 어렵다.
• 연구는 학습 프레임워크 구축과 국제 공동 벤치마크 적용의 두 단계로 나뉘어 진행된다.

쉽게 이해하기

서울대 인공지능 연구지원사업의 킥오프 미팅에서 에너지 지오메카닉스 AI 국제협력센터 구축 계획이 발표됐다. 연구 책임자가 해외 출장 중이어서 같은 에너지자원공학과 교수가 대신 설명을 맡았다. 최종 목표는 국제협력센터를 세우는 것이고, 그 기반을 마련하기 위해 물리 정보를 결합한 신경망 기법으로 지하의 복합 물리 해석 기술을 개발한다는 구상이다. 이렇게 확보한 기술은 에너지 안보와 탄소중립 관련 지하 공학에 쓰인다.

지하 공학에서 인공지능이 이미 쓰이는 대표적 영역은 두 가지로 정리됐다. 하나는 이산화탄소 지중저장, 지열 에너지 개발, 수소 저장처럼 지하를 개발할 때 저류층의 유체 거동을 정확히 파악해 운영 효율을 높이는 일이다. 다른 하나는 지하 개발 과정에서 발생할 수 있는 유발지진과 단층 활성화를 빠르고 정확하게 파악하는 일이다. 두 영역 모두 지하에서 벌어지는 복합 물리 거동을 해석할 수 있어야 성립한다.

발표자는 이 해석을 가로막는 난제를 세 가지로 꼽았다. 첫째, 열과 수리, 역학, 화학이 함께 얽혀 나타나는 강한 복합 거동이라 단일 현상 해석보다 예측이 어렵다. 둘째, 현장 자료에 잡음과 불확실성이 많아 어떤 항목은 모델링 결과가 잘 맞지만 상대습도처럼 이론적으로 맞추기 매우 어려운 항목도 있다. 셋째, 지하를 거대한 3차원으로 모사하거나 계산을 반복할 때 수치해석에 드는 시간이 급격히 늘어난다.

그래서 연구진은 데이터에만 의존하는 대신 물리 정보를 학습에 넣는 신경망 기법을 택했다. 연구는 크게 두 개의 작업 묶음으로 나뉜다. 첫 단계에서는 복합 거동을 학습하는 프레임워크를 만들고 기존 벤치마크 모델로 재검증한다. 두 번째 단계에서는 국제 공동연구로 운영되는 벤치마크 과제에 적용해, 실제 현장 적용성이 강화된 모델을 구축하는 것이 목표다.

일정은 국제 워크숍과 내부 검증을 번갈아 배치했다. 4월 온라인 워크숍에서 진행 계획을 공유하고, 7월 교내 워크숍에서 첫 단계 결과를 검증한 뒤, 11월에 다시 내부 워크숍과 오프라인 국제 워크숍을 열어 두 번째 단계 결과를 논의하고 개선 방향을 잡는다. 12월에는 센터 구축 관련 제안서를 완성한다. 참여 교수는 저류공학, 물리 기반 인공지능, 지구물리 탐사 데이터, 과학기술 혁신 분야를 아우르는 다섯 명으로 구성됐다.

주요 인사이트

• 물리 법칙을 학습 과정에 넣는 접근은 데이터가 적고 잡음이 큰 지하 문제에서 순수 데이터 기반 모델의 한계를 보완하는 수단으로 제시된다.
• 지하 해석의 목표가 정확도만이 아니라 반복 계산 속도에 있다는 점이 이 연구가 신경망을 택한 실질적 이유다.
• 이산화탄소 지중저장과 고준위 방사성폐기물 심층처분처럼 사회적 수용성이 걸린 사업일수록 유발지진 예측 역량이 함께 요구된다.
• 국제 공동 벤치마크에 참여해 검증받는 구조는 연구 결과가 특정 현장에만 맞춰지는 것을 막는 장치로 작동한다.
• 별도 연구비 없이 이어오던 국제 공동연구가 과제 선정으로 지속 가능해졌다는 점에서, 협력 네트워크 유지에는 안정적 재원이 관건임을 보여준다.

자주 묻는 질문

관련 AI 소식