적합직교분해

1. 개요[편집]

적합직교분해 Proper Orthogonal Decomposition
약칭	POD (= 고유직교분해)
유체 도입	Lumley (1967) — 난류의 "결맞은 구조"를 정의하려는 시도
실용화	Sirovich (1987) — 스냅숏법(method of snapshots)
최적성	주어진 r에 대해 평균제곱 투영오차 최소 (에카르트-영)
고유값 의미	λi = 모드 i가 담은 평균 에너지
함정	내적 정의 · 평균 제거 · 이류 지배 · 폐합

난류에서 “구조”라는 말은 원래 사람이 그림 보고 우기는 것이었다. POD는 그 우김에 고유값 문제라는 정의를 붙였다.

적합직교분해(Proper Orthogonal Decomposition, POD; 고유직교분해로도 옮긴다)는 시공간 데이터의 앙상블에 대해 “평균적으로 데이터와 가장 잘 정렬된 방향”을 순서대로 뽑아내는 직교 분해다. 정확히는, 유동장 $u(x,t)$ 의 앙상블에서 다음 최대화 문제를 푸는 함수 $\varphi(x)$ 를 찾는 것이다.

$$\max_{\varphi}\ \frac{\big\langle \lvert (u,\varphi) \rvert^{2}\big\rangle}{(\varphi,\varphi)}$$

여기서 $(\cdot,\cdot)$ 은 정해진 내적, $\langle\cdot\rangle$ 은 앙상블 평균이다. 변분법으로 정리하면 두점 상관함수 $R(x,x') = \langle u(x)u(x')\rangle$ 를 핵으로 하는 프레드홀름 적분 고유값 문제가 나온다.

$$\int_{\Omega} R(x,x')\,\varphi(x')\,dx' = \lambda\,\varphi(x)$$

$R$ 이 대칭 준정부호이므로 힐베르트-슈미트 이론에 의해 고유함수 $\varphi_i$ 는 정규직교계를 이루고 고유값 $\lambda_1 \ge \lambda_2 \ge \cdots \ge 0$ 은 실수다. 루믈리(Lumley)가 1967년 난류의 결맞은 구조(coherent structure)를 주관적 눈대중이 아니라 수학적 정의로 못박기 위해 유체에 들여온 것이 시작이다.¹

전개는 다음과 같이 쓴다.

$$u(x,t) = \bar{u}(x) + \sum_{i=1}^{\infty} a_i(t)\,\varphi_i(x), \qquad \langle a_i a_j\rangle = \lambda_i \delta_{ij}$$

계수들이 서로 무상관이라는 마지막 성질이 POD의 서명이다. 모드 사이에 통계적 중복이 없다는 뜻이고, 그래서 ”$r$ 개로 자른다”가 곧 “에너지 기준 상위 $r$ 개를 남긴다”와 같은 말이 된다.

2. 스냅숏법 — Sirovich가 뒤집은 것[편집]

이산 문제로 옮기면 사정이 나빠진다. 공간 자유도가 $N \sim 10^{6}$ 이면 $R$ 은 $N\times N$ 행렬이고, 그 고유값 문제를 푸는 것은 애초에 불가능하다. 그런데 실제로 우리가 가진 스냅숏은 $M \sim 10^{2\sim3}$ 개뿐이다. 랭크가 $M$ 을 못 넘는 행렬의 $N\times N$ 고유문제를 풀고 있는 셈이다.

시로비치(Sirovich, 1987)의 스냅숏법은 이 낭비를 뒤집는다. 스냅숏을 열로 쌓은 행렬 $S = [\,u_1\ u_2\ \cdots\ u_M\,] \in \mathbb{R}^{N\times M}$ 에 대해, $SS^{T}$ 대신 $M\times M$ 짜리 상관행렬

$$C = \tfrac{1}{M}S^{T}S, \qquad C_{ij} = \tfrac{1}{M}(u_i, u_j)$$

의 고유문제 $C\,\mathbf{a}^{(k)} = \lambda_k \mathbf{a}^{(k)}$ 를 푼다. 그러면 POD 모드는 스냅숏들의 선형결합으로 나온다.

$$\varphi_k = \frac{1}{\sqrt{M\lambda_k}}\sum_{i=1}^{M} a^{(k)}_i\,u_i$$

$N$ 이 아무리 커도 고유문제 크기는 스냅숏 개수로 고정된다.

이게 사실 스냅숏 행렬의 특이값 분해와 완전히 같은 물건이다. $S = U\Sigma V^{T}$ 라면 $S^{T}S = V\Sigma^{2}V^{T}$ 이므로 $C$ 의 고유벡터는 $V$ 의 열, 고유값은 $\lambda_k = \sigma_k^{2}/M$ 이고, 위 식은 $\varphi_k = S\mathbf{a}^{(k)}/\sqrt{M\lambda_k} = S v_k/\sigma_k$, 즉 정확히 $U$ 의 $k$ 번째 열을 재구성한다. 그러니 실무에서는 상관행렬을 만들지 말고 $S$ 에 직접 얇은 SVD를 때리는 것이 정석이다. 수치적으로도 그쪽이 낫다 — $S^{T}S$ 를 만드는 순간 조건수가 제곱되어 작은 특이값 쪽 정확도를 유효숫자 절반만큼 날린다. 스냅숏 행렬이 메모리를 넘어가면 랜덤화 SVD로 넘어간다.

3. 자를 곳을 정하기 — 에너지 기준과 그 한계[편집]

$\lambda_k = \sigma_k^{2}/M$ 이 모드 $k$ 가 담은 평균 에너지이므로, 절단 지표 $r$ 은 보통 누적 에너지 비율

$$E(r) = \frac{\sum_{k\le r}\lambda_k}{\sum_{k}\lambda_k} \ \ge\ 0.99 \quad(\text{혹은 } 0.999)$$

로 정한다. 이 값은 에카르트-영-미르스키 정리의 프로베니우스 오차식을 백분율로 바꿔 쓴 것에 지나지 않고, 따라서 “스냅숏을 얼마나 잘 재현하는가”만 말한다. 그 기저 위에 세운 축소 모형이 정확하거나 안정적이라는 보장은 여기서 나오지 않는다. 특히 이류가 지배하는 유동은 콜모고로프 $n$-폭이 느리게 줄어서 99%를 채우는 데 모드 수백 개가 필요하고, 그쯤 되면 축소한 보람이 없다. 이 이야기는 축소차수모델과 절단 특이값 분해 문서가 각각 다루고 있으니 반복하지 않는다.

에너지 기준보다 덜 알려졌지만 실전에서 유용한 판별법이 하나 더 있다. $\lambda_k$ 를 로그 축에 그려서 기울기가 꺾이는 지점을 본다. 물리적 구조가 담긴 앞쪽 모드는 가파르게 떨어지다가, 어느 지점부터 수치 잡음·표본 오차가 만드는 평평한 바닥으로 착지한다. 바닥에 닿은 뒤의 모드는 스냅숏 개수를 늘리면 통째로 바뀌는, 재현성 없는 모드다.

4. 내적을 무엇으로 잡을 것인가 — 조용히 틀리는 곳[편집]

POD의 정의에는 내적이 들어 있고, 내적을 바꾸면 모드가 바뀐다. 이 사실이 구현 단계에서 가장 자주 무시된다.

• 비균일 격자. 유한요소법이나 비균일 유한체적법 격자에서 절점값 벡터의 유클리드 내적 $u_i^{T}u_j$ 를 쓰면, 셀이 촘촘한 영역이 자동으로 더 큰 가중치를 받는다. 즉 격자 설계자가 의도치 않게 “에너지”를 정의해 버린다. 올바른 것은 질량행렬(혹은 셀 체적 대각행렬) $W$ 를 낀 $C = \frac{1}{M}S^{T}WS$ 이고, 모드의 직교성도 $\varphi_i^{T}W\varphi_j = \delta_{ij}$ 로 정의된다. $W = L L^{T}$ 로 분해해 $\tilde{S} = L^{T}S$ 의 SVD를 취하면 표준 루틴을 그대로 쓸 수 있다.
• 압축성 유동. 상태가 $(\rho, u, T)$ 처럼 단위가 다른 변수의 묶음이면 유클리드 내적은 단위 선택에 의존하는 무의미한 양이다. 물리적으로 옳은 것은 에너지 노름(예: Chu의 교란 에너지)을 재는 가중 내적이고, 이걸 안 하면 압력 단위를 Pa에서 kPa로 바꾸는 것만으로 모드 순서가 바뀐다.
• 평균 제거. $\bar{u}$ 를 빼느냐 마느냐도 선택이다. 빼지 않으면 1번 모드가 사실상 평균장이 되어 에너지의 대부분을 독식하고, 나머지 모드는 그 잔여에서 뽑힌다. 빼면 모드들이 요동장의 구조를 보여 주는 대신, 축소 모형에서 평균장을 별도 항으로 관리해야 한다. 경계조건도 같이 따라온다 — 요동장은 비제차 경계조건이 이미 $\bar{u}$ 에 흡수되어 제차 경계조건을 만족하므로, POD-갈레르킨에서 다루기 편해진다.

5. 대칭성이 있으면 POD는 푸리에가 된다[편집]

방향 $z$ 에 대해 유동이 통계적으로 균질하면 상관핵은 그 방향으로 병진불변, 즉 $R(z,z') = R(z-z')$ 이 된다. 병진불변 핵의 고유함수는 푸리에 모드다. 그러니 채널 난류처럼 벽에 평행한 두 방향이 균질한 문제에서는 그 방향으로 POD를 돌릴 이유가 없고, 미리 푸리에 변환한 뒤 각 파수쌍마다 벽수직 방향으로만 POD를 푸는 것이 표준이다. 계산량이 줄어들 뿐 아니라, 모드가 파수로 라벨링되어 물리적 해석이 붙는다.

이건 POD의 한계를 보여 주는 창이기도 하다. POD는 대칭성이 있으면 그 대칭성의 기약표현을 그냥 재발견한다. 이동하는 파면 하나짜리 문제에서 POD가 수십 개 모드를 뱉는 이유도 같다 — 병진 대칭이 있는 데이터에 병진하지 않는 기저를 강요하고 있으니, 사인·코사인 쌍으로 이동을 흉내 내는 수밖에 없다.

6. POD-갈레르킨과 폐합 문제[편집]

기저 $\Phi = [\varphi_1 \cdots \varphi_r]$ 를 얻었으면 갤러킨 방법으로 지배 방정식을 그 부분공간에 사영한다. 나비에-스토크스 방정식처럼 이차 비선형이면 결과는 계수 $a(t)$ 에 대한 상미분방정식계다.

$$\dot{a}_i = c_i + \sum_{j} L_{ij}a_j + \sum_{j,k} Q_{ijk}a_j a_k$$

계수 $c, L, Q$ 는 오프라인에 한 번 계산해 두는 상수 배열이며, 압력항은 닫힌 유동에서 경계적분이 사라져 통째로 없어지는 경우가 많다(열린 유동에서는 안 사라져서 별도 처리가 필요하다).

문제는 잘라낸 모드들이 하던 일이 사라진다는 것이다. 에너지는 큰 스케일에서 들어와 작은 스케일에서 점성으로 소산되는데, 작은 스케일 모드를 통째로 버리면 남은 모드에 에너지가 쌓인다. 그 결과가 유명한 증상이다 — 전차수 해석은 멀쩡히 도는데 ROM만 시간이 지나며 진폭이 커지다 발산한다. 이것을 폐합(closure) 문제라 부르고, 처방은 난류 모델링의 그것과 놀랄 만큼 닮았다.

• 모달 와점성. 오브리 등(1988)이 쓴 고전적 처방. 잘라낸 스케일의 소산을 흉내 내는 항 $-\nu_T \alpha_i a_i$ 를 넣되, $\nu_T$ 를 모드 지표에 따라 키운다. 계수는 보통 스냅숏에서 보정한다.
• 잔차 기반 보정. 전차수 잔차를 이용해 폐합항을 데이터로 회귀한다(VMS류, 데이터 구동 폐합).
• 사영 자체를 바꾸기. 갈레르킨(잔차 ⊥ 기저) 대신 페트로프-갈레르킨/LSPG(이산 잔차 노름 최소화)로 가면 안정성이 크게 개선된다. 대신 온라인 비용이 오른다.

폐합 계수를 스냅숏으로 보정하는 순간 이 모형은 물리 기반과 데이터 기반의 잡종이 되며, 훈련 범위 밖에서의 예측력은 그만큼 더 약해진다. 축소 모형의 경제성·외삽 취약성에 대한 일반론은 축소차수모델에 있다.

7. 에너지가 답이 아닌 경우 — 균형 POD[편집]

POD가 모드를 줄 세우는 기준은 에너지다. 이것이 항상 옳은 기준일까? 제어 문제에서는 명백히 아니다.

입력 $u$ 에서 출력 $y$ 로 가는 계를 축소한다고 하자. 중요한 모드는 “에너지가 큰 모드”가 아니라 “입력으로 잘 여기되고(가제어), 동시에 출력에 잘 드러나는(가관측)” 모드다. 에너지가 큰데 센서에 안 잡히는 모드는 제어에 쓸모가 없고, 반대로 에너지가 작아도 출력에 크게 기여하는 모드는 버리면 안 된다. 유동 제어에서는 후자가 흔하다 — 비정규성이 강한 유동에서 작은 교란이 크게 증폭되는 경로가 정확히 그런 저에너지 모드에 실려 있다.

제어 이론의 답은 균형 절단(balanced truncation)이다. 가제어 그람 행렬과 가관측 그람 행렬을 동시에 대각화하는 좌표계를 잡고, 두 그람의 곱의 고유값(한켈 특이값)이 작은 방향을 버린다. 문제는 그람 행렬이 $N\times N$ 이라 $N\sim10^{6}$ 에서 계산 불가라는 것. 여기에 스냅숏 아이디어를 이식한 것이 균형 POD(balanced POD, Rowley 2005)다. 순방향 시뮬레이션 스냅숏과 수반(adjoint) 시뮬레이션 스냅숏을 각각 모아 두 그람을 저계수로 근사하고, 그 곱에서 좌우 기저를 뽑는다.

결과적으로 얻는 기저는 정규직교가 아니라 쌍직교(biorthogonal)다. 사영 기저와 시험 기저가 다른 페트로프-갈레르킨 구조가 되며, 대가로 수반 솔버가 필요하다. 상용 솔버로는 수반이 없어서 못 하는 경우가 많고, 그래서 실무에서는 여전히 순수 POD가 기본값이다. “에너지 순서가 곧 중요도 순서”라는 POD의 전제는 편리하지만 무료가 아니라는 것만 기억하면 된다.

8. 사촌들과 구분하기[편집]

같은 SVD가 분야마다 다른 이름으로 돌아다니는 탓에 혼선이 잦다.

이름	무엇을 최적화 / 분해	모드의 성격
POD	앙상블 평균제곱 투영오차 최소	직교, 에너지 순
주성분 분석	표본 분산 최대 (평균 제거 필수)	직교, 분산 순
카루넨-루베 전개	확률과정의 평균제곱 표현	직교, 계수 무상관
동적 모드 분해	최적 선형 전이연산자의 고유분해	비직교, 주파수·성장률 순

• PCA와의 차이는 사실상 관습뿐이다. 통계에서는 평균을 빼고 표본공분산을 쓰며 변수마다 단위가 달라 표준화를 하고, 유체에서는 물리적 에너지 내적을 쓰고 평균 제거를 선택한다. 수학은 같다.
• **카루넨-루베 전개**는 연속 확률과정에 대한 정식화로, POD의 적분 고유값 문제와 같은 대상이다. POD가 “유한 개 스냅숏으로 근사한 KL 전개”라고 말해도 크게 틀리지 않다.
• 동적 모드 분해(DMD)는 결이 다르다. POD가 “에너지를 많이 담은 방향”을 묻는다면 DMD는 ”$u_{k+1} \approx A u_k$ 를 가장 잘 만족하는 $A$ 의 고유모드”를 묻는다. 그래서 DMD 모드는 각각 단일 주파수와 성장률을 갖지만 직교하지 않고 에너지 순서도 아니다. 진동수가 분리된 현상(주기적 박리, 음향 모드)에는 DMD가, 에너지 압축과 기저 생성에는 POD가 어울린다. 둘 다 스냅숏 행렬 하나에서 뽑아낼 수 있으므로 실무에서는 흔히 같이 돌려 놓고 비교한다.
• SPOD(스펙트럴 POD). 정상 확률과정에서 주파수별로 교차스펙트럼 밀도 행렬의 고유분해를 하는 판본으로, 사실 루믈리의 원래 시공간 POD 정의에 더 가깝다. 통계적으로 정상인 유동에서는 스냅숏 POD보다 물리적으로 잘 분리된 모드를 준다.²

9. 실무 체크리스트[편집]

• 스냅숏을 얼마나 촘촘히 뽑을지는 관심 있는 최고 주파수가 정한다. 너무 촘촘하면 거의 같은 스냅숏이 상관행렬을 병적으로 만들고, 너무 성기면 빠른 구조가 통째로 빠진다.
• 스냅숏이 한 궤적의 시간열이면 앙상블 평균을 시간 평균으로 바꿔치기한 것이고, 이는 에르고딕성을 가정한 것이다. 과도 구간이 섞여 있으면 그 가정이 깨진다.
• 파라미터 의존 문제에서는 파라미터 공간에서도 표본을 뽑아야 한다. 레이놀즈수 100에서 뽑은 모드로 10,000을 표현할 수 없다는 것은 알고리즘의 결함이 아니라 정의상 당연한 결과다.
• 결과 모드를 그림으로 보고 “이건 카르만 와열의 와류쌍이다” 하고 해석하는 것은 즐겁지만, POD 모드는 물리적 구조가 아니라 통계적 최적 기저다. 두 개의 모드가 짝을 이뤄 이동파 하나를 표현하는 일이 흔하므로, 모드 하나를 떼어 물리적 실체로 취급하면 곤란해진다.³

10. 관련 문서[편집]

• 특이값 분해 · 절단 특이값 분해 · 랜덤화 SVD
• 축소차수모델 · 갤러킨 방법 · 기저함수
• 주성분 분석 · 고유값 문제 · 조건수
• 난류 · 난류 모델링 · 카르만 와열
• 나비에-스토크스 방정식 · 전산유체역학
• 대리 모델 · 검증 및 확인

11. Footnotes[편집]

1. 루믈리의 문제의식은 이랬다. 난류 사진을 보고 “여기 구조가 있네”라고 말하는 것은 연구자마다 다르니, 객관적 정의를 하나 정하자. 그 정의가 “앙상블 평균적으로 유동과 가장 잘 정렬된 방향”이었다. 정의를 내렸더니 계산 가능한 고유값 문제가 되어 버린 것이 이 분야의 행운이다. ↩

2. 이름이 비슷해서 자주 헷갈리는데, “스냅숏 POD”는 계산 방법의 이름이고 “스펙트럴 POD”는 정식화 자체가 다른 것이다. 둘을 섞어 쓴 논문이 실제로 꽤 있다. 각각 Sirovich POD, Lumley POD라고 부르는 사람도 있어서 혼선은 현재진행형이다. ↩

3. 이동하는 구조를 직교 기저로 표현하려면 위상이 90° 어긋난 모드 쌍이 필요하고, 그 둘의 고유값은 거의 같게 나온다. 고유값이 쌍으로 붙어 있으면 이동파를 의심하라는 것이 경험칙이다. 그리고 고유값이 거의 같으면 그 2차원 부분공간 안에서 모드 개별 방향은 수치적으로 임의다 — 예쁜 모드 그림에 물리적 의미를 부여하기 전에 확인할 것. ↩