하늘에 떠있는 구름에서 관측되는 파동, 섬 주위를 지나는 해류, 태풍이나 허리케인, 목성의 눈에서 보이는 기상 구조 등 우리 자연의 유체흐름에서 특정한 유동 형태를 종종 볼 수 있습니다. 수많은 연구를 통하여 이렇게 다양하고 복잡한 유체흐름이 무의미한 랜덤 운동이 아니라 Navier-Stokes 방정식이라고 불리며 수학의 7대 난제 중 하나인 매우 복잡한 비선형 지배방정식을 따르는 특정한 구조와 특성을 가진 물리적 운동임이 밝혀져 왔습니다. 

또한, 새, 곤충, 박쥐 등은 유체흐름의 주요 특성을 경험을 통하여 학습하고 이 경험을 바탕으로 시공간으로 변하는 유체흐름에 맞추어 빠르게 날개와 몸을 제어하여 공기역학적 항력, 양력, 안정성을 증가시키거나 때로는 비행경로를 수정하는 것이 널리 관찰되어왔습니다. 

이는 유체흐름의 주요 특성이 학습 가능하다는 것을 내포하며 효과적인 인공지능기술을 이용하여 학습 및 예측이 가능할 것으로 기대할 수 있습니다. 우리는 심층신경망 기반의 기계학습 방법을 이용하여 유체흐름의 구조 및 특성을 학습하고, 이를 바탕으로 저비용으로 신속하게 미래의 유체흐름을 예측할 수 있는 기술을 개발하고 검증하는 것을 목표로 연구를 진행하고자 합니다.

다규모 광대역 시공간 특성을 갖는 난류 유체흐름의 정보를 학습하고 예측하는 인공신경망의 기저 메커니즘에 대한 이해를 바탕으로 예측 성능을 고도화할 수 있는 원천기술을 확보하면, 배송, 기상관리, 인명구조, 영상촬영, 오지탐사 등 이미 다양한 분야에 응용되어 활용도가 확대되고 있는 자율운행체의 악천후 운용 시 안정성 향상, 풍황 예측을 통한 풍력발전기 발전 효율의 향상, 기상과 미세먼지 흐름을 예측하는 기술의 개발에 새로운 개념의 기여를 할 수 있을 것으로 기대합니다.