AI 기반 성능 예측 모델로 우주 전기 추진 기술을 발전시킬 수 있을까?

SpaceX의 Starlink 별자리와 NASA의 Psyche 소행성 임무와 같은 임무에 핵심적인 우주 기술인 홀 추진기는 플라스마 기술*을 사용하는 고효율 전기 추진 장치입니다. KAIST 연구팀은 CubeSats용으로 개발된 AI 설계 홀 추진기가 KAIST-Hall Effect Rocket Orbiter(K-HERO) CubeSat에 설치되어 올해 11월에 예정된 누리 로켓(KSLV-2)의 네 번째 발사에서 궤도 성능을 시연할 것이라고 발표했습니다.

*플라스마는 물질의 4가지 상태 중 하나로, 기체가 높은 에너지로 가열되어 하전된 이온과 전자로 분리되는 상태입니다.

플라스마는 우주 전기 추진뿐만 아니라 반도체 제조, 디스플레이 공정, 살균 장치 등에도 사용됩니다.

2월 3일, KAIST 원자력 및 양자 공학과 전기추진연구실의 최원호 교수가 이끄는 연구팀은 인공위성과 우주 탐사선의 엔진인 홀 추진기의 성능을 정확하게 예측하는 AI 기반 기술을 개발했다고 발표했습니다.

홀 추진기는 높은 연료 효율성을 제공하며, 우주선이나 위성의 상당한 가속을 달성하는 데 필요한 최소한의 추진제가 필요하고, 전력 소비에 비해 상당한 추력을 생성합니다.

이러한 장점으로 인해 홀 추진기는 위성 별자리의 형성 비행, 우주 잔해물 완화를 위한 궤도 이탈 기동, 소행성 탐사와 같은 심우주 임무를 포함한 다양한 우주 임무에 널리 사용됩니다.

NewSpace 시대에 우주 산업이 계속 성장함에 따라 다양한 임무에 적합한 홀 추진기에 대한 수요가 증가하고 있습니다.

고효율의 임무 최적화된 홀 추진기를 신속하게 개발하려면 설계 단계에서부터 추진기 성능을 정확하게 예측하는 것이 필수적입니다.

그러나 기존의 방법은 홀 추진기 내부의 복잡한 플라즈마 현상을 처리하는 데 어려움이 있거나 특정 조건에서만 적용이 가능해 예측 정확도가 낮아지는 한계가 있습니다.

연구팀은 높은 정확도를 갖춘 AI 기반 성능 예측 기술을 개발해 추진기의 반복적인 설계, 제작, 테스트에 관련된 시간과 비용을 크게 줄였습니다.

최원호 교수 연구팀은 2003년부터 국내 전기추진기술 개발 연구를 선도해 왔습니다.

연구팀은 자체 수치 시뮬레이션 도구에서 생성된 18,000개의 홀 추진기 훈련 데이터 포인트를 사용하여 추진기 성능을 예측하는 신경망 앙상블 모델을 적용했습니다.

플라스마 물리학과 추력 성능을 모델링하기 위해 개발된 사내 수치 시뮬레이션 도구는 고품질 훈련 데이터를 제공하는 데 중요한 역할을 했습니다. 시뮬레이션의 정확도는 KAIST 사내 홀 추진기 10대의 실험 데이터와 비교하여 검증되었으며, 평균 예측 오차는 10% 미만이었습니다.

출처: https://www.sciencedaily.com/releases/2025/02/250204132427.htm