포인터 네트워크의 학습을 통해 고품질의 메쉬 구조의 생성을 지원하기 위한 그래픽 처리 장치 및 그 동작 방법

포인터 네트워크 학습 기반 고품질 삼각형 메쉬 자동 생성 그래픽 처리 장치

본 기술은 n개의 점 좌표와 정답 삼각형 인덱스 세트로 이루어진 트레이닝 세트를 이용해 포인터 네트워크를 기계학습시키고, 학습된 네트워크가 정점들 중 3개씩을 골라 이상적인 형상에 가까운 삼각형 엘리먼트로 메쉬 구조를 만들도록 하는 그래픽 처리 장치 및 동작 방법입니다.

메쉬 구조로 비행기 같은 사물을 3차원 모델링해 유체 흐름 등 물리적 특성을 시뮬레이션할 때, 삼각형 엘리먼트들의 형상이 제각각이면 정확한 결과를 얻기 어려운 문제가 있었습니다. 정삼각형에 가까운 고품질 메쉬를 만들려면 별도의 최적화 과정이 필요해 생성 효율이 떨어지는 한계가 존재했습니다.

본 기술은 인코더로 점 좌표 열을 인코딩하고 디코더 유닛별로 어텐션 가중치에 시그모이드 활성화 함수를 적용해 값이 큰 순서로 3개 점을 선택하며, 그 결과를 정답 세트와 일치하도록 반복 학습합니다. CAD·CAE 해석용 전처리 소프트웨어와 항공·자동차 유동 시뮬레이션 모델링에 적용될 수 있어 사람의 수작업 보정 없이도 해석 정확도를 높이는 균질한 메쉬를 빠르게 얻을 수 있습니다.

‍

‍

Key Features:

• n개 점의 인덱스와 좌표로 구성된 복수의 점 집합과 각 집합에 대응하는 k개의 3점 인덱스 선택 세트를 트레이닝 세트로 저장하는 트레이닝 세트 저장부
• 점 집합을 구성하는 n개 점의 좌표를 입력 열로 구성해 포인터 네트워크의 인코더를 통해 인코딩을 수행하는 인코딩부
• 디코더 유닛별로 각 점의 어텐션 가중치에 시그모이드 활성화 함수를 적용한 함수 값이 큰 순서로 3개 점을 골라 k개의 점 선택 세트를 생성하는 점 선택부
• 점 선택 세트와 인덱스 선택 세트가 일치하도록 포인터 네트워크를 기계학습시킨 후 선택된 정점으로 삼각형 엘리먼트를 구성해 메쉬 구조를 생성하는 구성

‍

본 발명은 과학기술정보통신부의 CFD 시뮬레이션의 정확도와 효율성 향상을 위한 curved 메쉬 생성 및 최적화 방법 연구 지원을 통해 개발되었습니다.

‍