동서대 SW중심대학사업단

Neural Operator 기반 화재·유해가스 예측 기술 발표

재난 대응 혁신

동서대학교 SW중심대학사업단(단장 문미경)은 지난 9월 10일부터 12일까지 부산 벡스코에서 열린 ‘2024 대한민국 안전산업 박람회’에 참가하여 ‘Neural Operator 기반 화재 및 유해가스 예측 시뮬레이션’ 연구를 발표했다. 이번 연구는 화재 및 유해가스 확산을 보다 정밀하게 예측할 수 있는 기술로, 재난 상황에서 신속하고 정확한 대응을 가능하게 하는 시스템을 제시했다.

동서대학교 소프트웨어학과 박승민 교수는 "이번 연구는 Neural Operator, Convolutional Neural Network(CNN), 그리고 Physics-Informed Neural Networks(PINN) 기술을 결합해 실시간 데이터를 활용하여 화재 발생 시 대피 경로와 유해가스 확산을 예측할 수 있도록 설계됐다. 특히 물리 법칙을 신경망 학습에 통합한 PINN 기술을 통해 기존 시뮬레이션 대비 예측 정확성을 크게 높였다"고 설명했다. 이러한 기술은 기존의 전통적인 시뮬레이션 방법론보다 더 빠른 처리 속도를 제공하며, 긴급 상황에서도 효과적인 대피 명령을 내릴 수 있도록 돕는다.

본 연구는 특히, 2023년 성탄절 새벽 서울 도봉구에서 발생한 화재 사건을 연구 배경으로 하고 있다. 당시 한 부부는 아파트 화재로 인해 자녀들을 구하기 위해 극단적인 선택을 해야만 했고, 4층에서 뛰어내린 부모 중 아버지는 결국 숨지는 비극적인 일이 발생했다. 이때 관리사무소의 대피명령을 들은 10층에 있는 30대는 노부모님과 동생을 대피 시키고 옥상으로 탈출을 시도하다 11층에서 유해가스 질식으로 인하여 사망하는 일이 발생하였다. 이 사건은 대규모 화재에서의 각세대별 차별화된 대피 안내와 유해가스 확산 경로 예측의 중요성을 극명하게 보여주었으며, 동서대학교 연구팀은 이를 바탕으로 예측 기술 개발의 필요성을 절감했다고 전했다.

관계자는 이어 “Neural Operator 기반 예측 모델은 물리적 데이터와 AI 기술을 결합한 것이 핵심으로, 화재 시의 유해가스 확산과 화염의 이동 경로를 실시간으로 추적할 수 있다. 특히, PINN 기술은 기존 CFD(Computational Fluid Dynamics) 방식과 비교해 예측 시간이 크게 단축되면서도 정밀한 결과를 제공한다”고 덧붙였다. 이 기술은 단순한 화재 확산 예측을 넘어, 대형 건물이나 밀집된 아파트 단지 등에서 실제로 발생할 수 있는 상황에 대응할 수 있도록 설계되었으며, 대규모 재난 관리 시스템에도 적용 가능성을 보이고 있다.

이번 박람회에서 동서대학교 소프트웨어학과는 해당 기술의 다양한 응용 가능성을 강조하며, 연구 성과를 널리 알렸다. 관계자는 “실시간 예측 시뮬레이션 기술은 대규모 화재와 같은 재난 상황에서 인명 피해를 최소화하는 데 필수적인 역할을 할 것으로 기대된다"며, "실시간 데이터를 바탕으로 빠르게 대피 경로를 설정하고, 위험 지역을 시각적으로 표시해 재난 상황에 더욱 효과적으로 대응할 수 있다"고 설명했다. 또한, 연구팀은 이번 박람회를 통해 다양한 산업 관계자들로부터 긍정적인 피드백을 받았으며, 앞으로도 기술을 고도화해 실질적인 현장 적용을 위한 연구를 이어갈 계획이라고 밝혔다.

이 기술은 학계뿐만 아니라 산업계에서도 큰 주목을 받으며, 특히 재난 대응 속도를 크게 향상시킬 수 있을 것으로 기대된다. 연구팀은 "현장에 적용되면 실시간으로 변하는 화재 상황에 따라 최적화된 대피 경로를 제공할 수 있으며, 이로 인해 불필요한 인명 피해를 줄이는 데 크게 기여할 것"이라고 전했다. 이뿐만 아니라, Neural Operator 기반의 예측 기술은 건물 내부의 구조적 특징과 사람들의 동선을 고려하여 더 정밀한 대피 안내를 제공할 수 있어 다양한 분야에서 활용될 가능성을 보였다.

동서대학교 소프트웨어학과는 이번 연구 발표를 통해 화재 및 유해가스 예측 시뮬레이션 기술의 발전 가능성을 보여주었으며, 다양한 관련 기관들과 협력하여 연구 성과를 더욱 넓은 응용 분야로 확장할 계획이다.