본 논문은 유체 흐름과 같이 복잡하고 불안정한 역학을 가진 물리 시스템을 효율적으로 모델링하는 새로운 방법을 제시합니다. 기존의 단일 평균 해를 사용하는 방법 대신, 그래프 기반 잠재 확산(또는 흐름 일치) 모델을 이용하여 시스템의 격자 이산화 및 물리적 매개변수를 바탕으로 평형 분포에서 직접 상태를 샘플링합니다. 이를 통해 장시간의 비용이 많이 드는 수치 시뮬레이션 없이도 유체 흐름 통계를 효율적으로 계산할 수 있습니다. 그래프 기반 구조는 비정형 메쉬에서 연산을 가능하게 하여 공간적으로 국한된 높은 기울기를 가진 복잡한 기하학적 형상을 표현하는 데 중요한 역할을 합니다. 다중 스케일 GNN을 사용한 잠재 공간 확산 모델링은 전체 해 분포의 효율적인 학습 및 추론을 가능하게 합니다. 또한, 상대적으로 짧은 시뮬레이션의 불완전한 데이터로 학습하더라도 정확한 전체 분포를 학습할 수 있다는 것을 발견했습니다. 3D 날개 모델의 난류 흐름에서 압력 분포 예측과 같은 다양한 유체 역학 작업에 본 방법을 적용하여 어려운 시나리오에서 정확성과 계산 효율성을 모두 입증했습니다. 짧은 기준 시뮬레이션으로부터 정확한 해를 직접 샘플링하고 그 다양성을 포착하는 능력은 복잡한 과학적 모델링 작업에 매우 유망합니다.
