국립부경대학교 | 해양공학과

수치 모델의 물리적 엄밀성과 AI의 데이터 처리 효율성을 결합하여, 실시간 해양 현상을 예측하고 제어할 수 있는 지능형 해양 시뮬레이션 전문가를 양성한다.

대학원 교육과정에 OE-AIX의 핵심 가치를 순차적으로 적용하고 있으며, 대표적인 교육과정이 아래와 같이 설계 및 운용되고 있다.

해양모델링 ⇒ 해양원격탐사, IT-기반 해양공학 ⇒ 지역사회연계프로젝트(Ⅰ/Ⅱ) ⇒ 논문연구(석사/박사)

투입(고해상도 물리-데이터 융합 지원)

학부 수준의 단순 데이터를 넘어, 물리 법칙과 AI 학습 데이터가 결합된 고차원 자원을 투입한다.

(1) 멀티모달 해양 데이터: 위성 관측, 수중 드론(AUV), 실시간 부이 데이터 및 기존 수치 모델(ROMS, WW3 등)의 시뮬레이션 결과물.

(2) PINN(physics-informed neural networks) 프레임워크: 물리 방정식(Navier-Stokes 등)을 손실 함수에 포함할 수 있는 고성능 AI 라이브러리 및 GPU 컴퓨팅 자원.

(3) 최신 논문 및 오픈소스: 해양공학 분야의 최신 AI 융합 모델(graph neural networks, transformer 기반 예측 모델 등) 사례 연구.

과정(하이브리드 모델링 및 최적화)

전통적인 수치 모델의 한계를 AI로 보완하거나, AI의 블랙박스 문제를 물리 법칙으로 해결하는 심화 과정을 거친다.

(1) 대리 모델(surrogate modeling) 개발: 계산 부하가 큰 복잡한 수치 시뮬레이션을 실시간으로 모사할 수 있는 AI 기반 대리 모델 구축 실습.

(2) 파라미터 최적화(calibration): AI를 활용해 수치 모델 내의 불확실한 매개변수(조도 계수, 점성 등)를 자동 최적화하는 기법 학습.

(3) 모델 해석성(explainable AI) 검증: AI 모델이 도출한 예측값이 해양 물리 법칙에 위배되지 않는지 물리적 타당성을 검증하는 비판적 분석 프로세스.

성과(실무 해결형 고도 지능화 역량)

연구자로서 실제 해양 현상의 난제를 해결할 수 있는 'AI 융합 모델러'로서의 결과물을 지향한다.

(1) 고신뢰성 하이브리드 모델 구축: 물리 법칙을 준수하면서도 예측 정확도가 획기적으로 향상된 자신만의 융합 모델 프로토타입 완성.

(2) 실시간 예측 및 의사결정 시스템: 방대한 계산량 때문에 불가능했던 실시간 해양 재난(쓰나미, 유류 유출 등) 예측 솔루션 제시 역량.

(3) 학술적 기여 및 논문: 기존 수치 모델의 한계를 극복한 사례를 정리하여 관련 학회에 발표하거나 논문으로 게재할 수 있는 수준의 연구 성과물.