Active Learning-based Reduced Order Model for Thermal Behavior Prediction of a Lunar Orbiter

본 연구에서는 달 궤도선의 열적 거동을 효율적으로 예측하기 위한 능동 학습 기반 차수축소모델을 개발하였다. 달 궤도선은 임무 수행 중 극심한 온도 변화를 경험하므로 정확한 온도 예측이 임무 성공을 위해 필수적이다. 기존의 수치 해석 기반 완전차수모델은 지금까지 많이 사용되어 왔지만, 계산 비용이 많이 소요되는 한계가 명확히 존재한다. 이러한 문제를 해결하기 위해 주성분 분석을 통한 차원 축소와 앙상블 신경망 기반 능동 학습을 결합한 모델을 제안하였다. 제안된 방법론은 앙상블 신경망의 예측 불확실성이 높은 영역에서 추가 훈련 데이터를 선별적으로 선택함으로써 적은 수의 훈련 데이터로도 높은 예측 정확도를 달성할 수 있도록 하였다. 모델 검증 결과, 능동 학습 기반 모델은 일반 심층 신경망과 단순 차수축소모델에 비해 모든 오차 지표에서 우수한 성능을 보였으며, 특히 능동 학습 3주기(총 80개의 훈련 데이터) 이후에는 완전차수모델의 결과와 거의 구별할 수 없을 정도로 정확한 예측 결과를 얻었다. 이는 불확실성 기반 데이터 선택 전략의 효율성을 입증하며, 계산 비용이 많이 드는 달 궤도선 열 해석 문제에서 실시간 온도 예측 및 임무 운영 최적화에 활용될 수 있을 것으로 기대된다.