선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 후속 연구에서는 이러한 문제를 해결하기 위한 방법으로 기존에 이미 시각화된 라인과 특정 거리 이하로 가까운 스트림라인을 가시화되지 않도록 제한하는 방법을 연구하고자 한다. 또, 본 연구에서는 일단 Q 값 테스트를 통과한 모든 씨드 포인트들에 대해 스트림라인을 완전하게 생성하도록 했는데, 특정 조건에 부합하지 못하는 스트림라인은 라인 계산 도중에 빨리 끝내도록 하는 이른 단절(early termination) 기법을 구현하여 전체 계산 시간을 더욱 줄이고자 한다. 유동의 와류 특징은 Q 값 뿐만 아니라 λ2나 vorticity, helicity 등의 값을 이용해서도 추출이 가능한데, 이러한 다른 값을 이용하는 경우와의 비교도 추가적으로 진행할 예정이다.
- 대용량 유동해석 데이터에서 스트림라인을 생성할 때, 매우 많은 격자점으로 인해 각 파티클의 격자 상의 위치를 탐색하는 데 많은 시간이 걸린다. 본 논문에서는 대용량 데이터에 계층 트리를 적용함으로써 격자 탐색시간을 줄이고 최종적으로 스트림라인의 계산 속도를 향상시키고자 한다. 전통적인 계층 트리에는 팔진트리, BSP (Binary Space Partitioning) 트리, kd 트리 등이 있는데, [5]에서는 팔진트리를 이용해서 스트림라인 생성 속도를 향상시킨 바 있다.
- 본 논문에서는 대용량의 유동해석 데이터에 대해 효과적으로 중요한 유동 특징을 표출할 수 있는 스트림라인 선택 방법을 제안했다. Q 값을 기반으로 씨드 포인트 후보를 설정함으로써 중요한 유동 특징의 표출 확률이 낮은 유동 영역을 배재하였고, 이를 통해 불필요한 스트림라인의 생성을 억제하였다.
- Q 값을 기반으로 선택한 씨드 포인트들은 그 주변에 와류가 존재할 가능성이 높기 때문에 이를 이용해서 생성한 스트림라인의 꼬임이 많고 중요도가 클 가능성이 높지만, Q 값이 높다고 모든 스트림라인의 중요도가 큰 것이 보장되는 것은 아니다. 본 논문에서는 생성된 각 라인의 꼬임 정도와 길이를 기반으로 스트림라인의 추가적인 중요도를 계산하고자 한다.
- 본 논문에서는 와류가 존재할 가능성이 높은 영역을 선택하기 위해서 모든 격자점에 대해 Q-criterion을 계산한 뒤, Q 값이 높은 격자점 순서대로 씨드 포인트로 사용하고자 한다. 이를 통해 매우 많은 격자점을 가지는 대용량의 유동해석 데이터에서 효과적으로 유동의 특징을 표출할 수 있는 스트림라인의 위치를 좁힐 수 있으며, 결과적으로 많은 계산량이 줄어들게 된다.
- 각 경계상자가 좌표축에 나란하지 않아도 되기 때문에 공간을 보다 밀집해서 표현하는 것이 가능하다[16]. 본 논문에서는 이러한 계층 트리를 정렬 및 비정렬격자 구조의 유동해석 데이터에 적용하여 격자 탐색 시간을 단축시키고자 한다. [그림 4]는 스트림라인을 생성하는 일반적인 방법인데, 본 논문에서 사용하는 계층트리를 이용해서 파티클이 위치하는 셀을 탐색하면 2번과 3번 과정의 속도를 개선할 수 있다.
- 본 논문에서는 주어진 데이터에서 생성 가능한 모든 스트림라인들 중 가장 중요도가 높은 스트림라인을 선택하도록 한다. 여기서 중요도는 유동의 회전이 많고 길이가 긴 라인일수록 높아진다.
- 본 논문에서는 중요도 기반으로 스트림라인의 씨드 포인트를 배치함으로써 중요한 유동의 특징을 효과적으로 시각화할 수 있는 방법을 제안한다. 뿐만 아니라 두 종류의 계층트리를 이용해서 대용량의 유동해석 데이터에서의 스트림라인을 생성 속도를 개선하고자 한다.
- 전통적인 계층 트리에는 팔진트리, BSP (Binary Space Partitioning) 트리, kd 트리 등이 있는데, [5]에서는 팔진트리를 이용해서 스트림라인 생성 속도를 향상시킨 바 있다. 본 논문에서는 팔진트리에 비해 보다 밀집한 형태로 격자를 표현할 수 있는 셀 트리(cell tree)[15]와 OBB(Oriented Bounding Box) 트리[16]를 스트림라인 계산에 적용하여 성능을 향상시키고, 계층 트리를 사용하지 않고 전체 블록에 대한 경계 상자만을 사용하는 경우와 성능을 비교하고자 한다.
- 본 논문에서는 중요도 기반으로 스트림라인의 씨드 포인트를 배치함으로써 중요한 유동의 특징을 효과적으로 시각화할 수 있는 방법을 제안한다. 뿐만 아니라 두 종류의 계층트리를 이용해서 대용량의 유동해석 데이터에서의 스트림라인을 생성 속도를 개선하고자 한다.
- Pugmire 등[9]과 Camp 등[10]은 유동해석 공간 블록을 여러 병렬 노드에 정적으로 분산시켜서 처리하는 방법과 데이터 I/O를 통해 동적으로 교체하는 두 방법의 혼합(hybrid) 방법을 제안했다. 이 방법에서는 기본적으로 모든 노드가 정적으로 데이터를 분산하여 계산하는데, 마스터 노드가 전체 노드의 계산 부하를 측정하여 부하가 많은 노드의 작업을 부하가 적은 노드에 동적으로 할당하도록 하는 방법으로 스트림라인 계산 성능을 개선하고자 했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.