고온·방사선 환경 원자로 시험 설비의 센서 누락값을 생성 모델로 복원하는 디지털 트윈 연구

Generative Reconstruction of Full-Field Sensor States for Safety-Critical Digital Twins

Oregon State University의 고온시험설비(HTTF)에서 열전대 일부가 누락되거나 고장 난 상황을 가정해, 희소 센서 데이터로 전체 온도장을 복원하는 연구가 나왔다. 확산 모델(DM), VAE, GAN 등 세 가지 조건부 생성 모델과 두 가지 순환신경망, 릿지 회귀를 비교했다. PG-29 감압 전도 냉각(DCC) 시험 내부 복원에서는 그래프 기반 공간 인코딩과 게이트 순환 유닛(GRU)을 결합한 GNN-GRU VAE가 MAE 11.73°C, RMSE 20.54°C, R² 0.98로 가장 낮은 오차를 보였다. 결정론적 GNN-GRU와 일반 GRU의 RMSE는 각각 25.26°C, 35.22°C였다. 세 가지 생성 모델은 모두 릿지 회귀 대비 RMSE를 절반 이상 줄였다. DM은 알려진 센서가 91개에서 45개로 줄어도 R² 0.94를 유지했다. PG-27 가압 전도 냉각(PCC) 시험으로 학습한 모델을 PG-29에 적용한 교차 실험 복원에서는 섹션 문맥 조건부 DM이 RMSE 42.84°C, R² 0.91로 가장 나은 전이 성능을 보였다.