전산유체역학을 사용하는 일반적인 선박의 저항성능 평가는 많은 시간과 비용이 필요하며, 이를 줄이기 위한 다양한 방법이 연구되고 있다. 선박의 주요 치수나 단면을 이용하는 기존의 방법들은 선형에 크게 좌우되는 저항성능을 추정하는데 한계가 있다. 본 논 문에서는 선형 격자의 기하학적 정보를 입력으로 선체 표면의 저항성능을 빠르게 추정할 수 있는 심층신경망 모델을 제안한다. Perceiver IO 기반의 제안하는 심층신경망 모델은 시간 단계별로 계산이 필요한 전산유체역학 기법과 달리 바로 저항성능 추정이 가능하며, 저속비 대선의 일종인 50K 탱커 선박을 대상으로 한 데이터집합에서 평균 1% 미만의 오차로 저항성능을 추정하는 결과를 보인다.

The resistance performance evaluation of general ships using computational fluid dynamics requires a lot of time and cost, and various methods are being studied to reduce the time and cost. Existing methods using main particulars or cross sections of ships have limitations in estimating resistance performance that is greatly dependent on the shape of the ship. In this paper, we propose a deep neural network model that can quickly predict the resistance performance of the hull surface by inputting the geometric information of the hullform mesh. The proposed deep neural network model based on Perceiver IO can immediately predict resistance performance, unlike computational fluid dynamics techniques that require calculation in each time step. It shows the result of estimating the resistance performance with an average error of less than 1% in the data set for a 50 K tanker ship, a type of low-speed full ship.

요 약
Abstract
1. 서 론
2. 심층신경망 모델
    2.1 심층신경망의 입력과 출력
    2.2 심층신경망 구조
3. 대상 선박 및 실험 방법
    3.1 대상 선박
    3.2 학습 데이터
    3.3 심층학습
4. 결 과
5. 결 론
후 기
References

• 박태원(동명대학교 조선해양시뮬레이션센터 연구원) | TaeWon Park (Researcher, Shipbuilding & Marine Simulation Center, Tongmyong University)
• 서장훈(동명대학교 조선해양시뮬레이션센터 연구원) | JangHoon Seo (Researcher, Shipbuilding & Marine Simulation Center, Tongmyong University)
• 박동우(동명대학교 조선해양공학과 교수) | Dong-Woo Park (Professor, School of Naval Architecture & Ocean Engineering, Tongmyong University) Corresponding Author