카이스트, AI로 우주용 전기추력기 성능예측

홀추력기, 고효율 추력 바탕으로 다양한 임무에 활용
홀추력기 수요 증가에 성능예측기법 중요성도↑

카이스트 원자력및양자공학과 최원호 교수 연구팀이 기념촬영을 하고 있다. 왼쪽부터 김영호 원자력및양자공학과 박사과정, 최원호 원자력공학과 교수, 박재홍 원자력및양자공학과 박사과정 /제공=카이스트

카이스트 연구진이 인공지능 기술을 이용해 홀 전기 추력기(Hall thruster)의 성능을 예측하는 기법을 개발했다.

카이스트는 원자력및양자공학과 최원호 교수 연구팀이 인공위성이나 우주탐사선의 엔진인 홀 추력기의 추력 성능을 높은 정확도로 예측할 수 있는 인공지능 기법을 개발했다고 3일 밝혔다.

홀추력기는 스페이스X의 스타링크(Starlink) 군집위성이나 미 항공우주국(NASA)의 사이키(Psyche) 소행성 탐사선 등과 같은 여러 고난이도 우주 임무에 활용되는, 플라즈마를 이용한 고효율 추진 장치로, 핵심적인 우주기술 중 하나다. 홀추력기는 연비가 높아 적은 추진제(연료)를 사용하고도 위성이나 우주선을 크게 가속할 수 있으며, 소모 전력 대비 큰 추력을 발생시킬 수 있다. 이러한 장점을 바탕으로 추진제 절약이 중요한 우주 환경에서 군집위성의 편대비행 유지, 우주쓰레기 감축을 위한 궤도이탈 기동, 혜성이나 화성 탐사와 같은 심우주 탐사를 위한 추진력 제공 등 다양한 임무에 폭넓게 활용되고 있다.

뉴스페이스 시대에 우주산업이 확장되며 다양한 우주 임무에 맞는 홀추력기 수요가 증가하는 상황에서, 각각의 고유한 임무에 최적화된 고효율 홀추력기의 신속한 개발을 위해서는 설계단계에서부터 추력기의 성능을 정확하게 예측하는 기법이 필수적이라는 목소리가 제기돼 왔다. 그러나 기존의 방식들은 홀추력기 내에서 복잡하게 일어나는 플라즈마 현상을 정밀하게 다루지 못하거나 특정 조건에 한정돼 성능 예측 정확도가 낮은 한계가 있었다.

이에 최원호 교수팀은 자체적으로 개발한 전기추력기 전산 해석 도구를 활용해 생성한 1만8000개의 홀추력기 학습데이터를 기반으로 인공신경망 앙상블 구조를 도입해 추력 성능 예측에 적용했다. 그 결과 연구팀은 홀추력기의 설계, 제작, 시험의 반복 작업에 걸리는 시간과 비용을 획기적으로 줄이는 인공지능을 기반으로 한 정확도가 높은 추력기 성능 예측기법을 개발했다.

연구팀이 이번에 개발한 인공신경망 모델은 자체 개발한 700W급 및 1kW급 홀추력기에서 평균오차 5% 이내, 미 공군연구소에서 개발한 5kW급 고전력 홀추력기에 대해 평균오차 9% 이내의 정확도를 보였다. 특히 기존에 알려진 스케일링 법칙으로는 분석하기 어려웠던 연료 유량이나 자기장과 같은 설계 변수에 따른 추력과 방전전류와 같은 성능지표 변화를 상세히 분석할 수 있다.

최원호 교수는 "연구팀에서 개발한 인공지능 기반 성능 예측기법은 정확도가 높아 인공위성과 우주선의 엔진인 홀추력기의 추력성능 분석과 고효율 저전력 홀추력기 개발에 이미 활용되고 있다"면서 "이 인공지능 기법은 홀추력기 뿐만 아니라 반도체, 표면 처리 및 코팅 등 다양한 산업에서 활용되는 이온빔 소스의 연구개발에도 접목될 수 있다"고 말했다.