HGATSolver: 유체-구조 상호작용을 위한 이종 그래프 어텐션 기반 솔버

HGATSolver: A Heterogeneous Graph Attention Solver for Fluid-Structure Interaction

유체-구조 상호작용(FSI) 시스템은 서로 다른 미분 방정식에 따라 지배되며, 동적 인터페이스에서 결합되는 유체 및 고체와 같은 뚜렷한 물리 영역을 포함합니다. 학습 기반 솔버는 비용이 많이 드는 수치 시뮬레이션에 대한 유망한 대안을 제공하지만, 기존 방법은 통일된 프레임워크 내에서 FSI의 이질적인 동역학을 포착하는 데 어려움을 겪습니다. 인터페이스 결합으로 인한 영역 간의 응답 불일치와 유체 및 고체 영역 간의 학습 난이도 차이는 예측 중 불안정성을 초래하는 문제를 더욱 악화시킵니다. 이러한 과제를 해결하기 위해, 우리는 이종 그래프 어텐션 기반 솔버(HGATSolver)를 제안합니다. HGATSolver는 시스템을 이종 그래프로 인코딩하여, 유체, 고체 및 인터페이스 영역에 대한 별도의 노드 및 엣지 유형을 통해 물리적 구조를 모델에 직접 통합합니다. 이를 통해 각 물리 영역에 특화된 메시지 전달 메커니즘을 구현할 수 있습니다. 명시적 시간 적분 방식을 안정화하기 위해, 예측 불확실성에 따라 각 영역의 최적화 목표를 동적으로 균형 있게 조정하는 새로운 물리 기반 게이팅 메커니즘을 도입했습니다. 또한, 영역 간 기울기 균형 손실(Inter-domain Gradient-Balancing Loss)을 사용하여 예측 불확실성을 기반으로 영역 간 최적화 목표를 동적으로 균형 있게 조정합니다. 두 개의 구축된 FSI 벤치마크 및 공개 데이터 세트에 대한 광범위한 실험 결과, HGATSolver는 최첨단 성능을 달성하며, 결합된 다중 물리 시스템의 대체 모델링을 위한 효과적인 프레임워크를 구축함을 보여줍니다.

Fluid-structure interaction (FSI) systems involve distinct physical domains, fluid and solid, governed by different partial differential equations and coupled at a dynamic interface. While learning-based solvers offer a promising alternative to costly numerical simulations, existing methods struggle to capture the heterogeneous dynamics of FSI within a unified framework. This challenge is further exacerbated by inconsistencies in response across domains due to interface coupling and by disparities in learning difficulty across fluid and solid regions, leading to instability during prediction. To address these challenges, we propose the Heterogeneous Graph Attention Solver (HGATSolver). HGATSolver encodes the system as a heterogeneous graph, embedding physical structure directly into the model via distinct node and edge types for fluid, solid, and interface regions. This enables specialized message-passing mechanisms tailored to each physical domain. To stabilize explicit time stepping, we introduce a novel physics-conditioned gating mechanism that serves as a learnable, adaptive relaxation factor. Furthermore, an Inter-domain Gradient-Balancing Loss dynamically balances the optimization objectives across domains based on predictive uncertainty. Extensive experiments on two constructed FSI benchmarks and a public dataset demonstrate that HGATSolver achieves state-of-the-art performance, establishing an effective framework for surrogate modeling of coupled multi-physics systems.