얼음이 녹고, 금속이 부식되고, 균열이 자라는 수학 — 상장 방법의 모든 것

들어가며 — 자연이 그리는 경계선

겨울 창문에 서리가 낀다. 서리의 끝은 어디이고 공기의 시작은 어디인가? 항구의 철제 부두가 바닷물에 잠겨 녹이 슨다. 금속과 부식물의 경계는 어떻게 움직이는가? 3D 프린터에서 레이저가 금속 분말을 녹인다. 용융풀(melt pool)의 가장자리는 매 밀리초마다 달라진다.

이 모든 현상의 공통점은 두 상(phase) 사이의 경계면이 시간에 따라 이동한다는 것이다. 수학에서는 이를 자유 경계 문제(free boundary problem)라 부른다. "자유"라는 말은 경계의 위치가 미리 주어지지 않고, 방정식의 풀이 과정에서 비로소 결정된다는 뜻이다.

자유 경계 문제는 과학과 공학에서 가장 오래되고 가장 어려운 난제 중 하나다. 경계면의 형태가 시시각각 변하고, 갈라지고, 합쳐지고, 사라진다. 이 복잡한 경계를 컴퓨터로 정확하게 추적하는 것이 왜 그토록 어려운지, 그리고 상장 방법이 어떤 우아한 우회로를 제시하는지를 이 글에서 풀어본다.

---

제1장: 역사 — 130년의 여정

상장 방법은 하루아침에 탄생하지 않았다. 130여 년에 걸친 물리학, 수학, 재료과학의 성과가 모여 오늘의 프레임워크를 이루었다.

Van der Waals (1893) — 확산 계면의 탄생

네덜란드의 물리학자 Johannes Diderik van der Waals는 액체-기체 계면을 연구하면서, 계면이 수학적으로 날카로운 불연속면이 아니라 유한한 두께를 가진 전이 영역이라는 아이디어를 제안했다. 당시에는 이단적이었다. 대부분의 물리학자가 경계면을 두께 0인 날카로운 면으로 다루고 있었기 때문이다.

하지만 van der Waals의 직관은 옳았다. 원자 수준에서 보면, 액체에서 기체로의 전환은 밀도가 연속적으로 변하는 전이 영역을 통해 이루어진다. 이것이 확산 계면(diffuse interface) 개념의 시작이었다.

Ginzburg-Landau (1950) — 질서 매개변수의 도입

소련의 물리학자 Lev Landau와 Vitaly Ginzburg는 초전도 현상을 설명하기 위해 질서 매개변수(order parameter) $\psi$를 도입했다. 초전도 상태에서는 $|\psi| \neq 0$, 정상 상태에서는 $|\psi| = 0$이다. 그리고 자유 에너지를 $\psi$의 함수로 표현했다:

$F[\psi] = \int \left[ \alpha|\psi|^2 + \frac{\beta}{2}|\psi|^4 + \frac{1}{2m^*}|(-i\hbar\nabla - e^*\mathbf{A})\psi|^2 + \frac{|\mathbf{B}|^2}{2\mu_0} \right] d\mathbf{r}$

핵심 아이디어는 이것이다: 시스템의 상태를 하나의 연속 필드로 표현하고, 자유 에너지 범함수(functional)를 최소화하는 방향으로 시스템이 진화한다. 이 프레임워크가 상장 방법의 수학적 뼈대가 된다.

Cahn & Hilliard (1958) — 불균일 시스템의 자유 에너지

미국의 재료과학자 John W. Cahn과 John E. Hilliard는 합금에서 농도가 공간적으로 불균일한 시스템의 자유 에너지를 정식화했다. 그들의 1958년 논문 "Free Energy of a Nonuniform System" 은 상장 방법의 가장 핵심적인 이정표다.

$F[c] = \int_\Omega \left[ f(c) + \frac{\kappa}{2}|\nabla c|^2 \right] d\mathbf{x}$

여기서 $f(c)$는 균일 시스템의 자유 에너지(화학적 자유 에너지), $\frac{\kappa}{2}|\nabla c|^2$는 농도 구배(gradient)에 의한 에너지 비용이다. 농도가 급격히 변하는 곳 — 즉 계면 — 은 에너지가 높다. 시스템은 이 에너지를 줄이려 하므로, 계면의 두께와 형태가 자연스럽게 결정된다.

이 범함수에서 농도의 시간 진화를 유도하면 Cahn-Hilliard 방정식이 나온다.

Allen & Cahn (1979) — 비보존 역학

Sam Allen과 John Cahn은 합금의 반위상 경계(antiphase boundary) 이동을 연구하면서, 보존되지 않는 질서 매개변수의 시간 진화 방정식을 제시했다:

$\frac{\partial \phi}{\partial t} = -L \frac{\delta F}{\delta \phi}$

이것이 Allen-Cahn 방정식이다. Cahn-Hilliard 방정식과의 결정적 차이는: Allen-Cahn은 전체 적분값이 보존되지 않는 과정 (예: 상전이, 계면 이동)을, Cahn-Hilliard는 전체 적분값이 보존되는 과정 (예: 물질 확산, 농도 분포)을 기술한다는 점이다.

Kobayashi (1993) — 컴퓨터 시뮬레이션의 시대

일본의 재료과학자 Ryo Kobayashi는 1993년 상장 방법을 사용해 수지상 응고(dendritic solidification) 를 시뮬레이션하는 데 성공했다. 눈 결정의 가지가 뻗어나가는 것 같은 복잡한 형태를, 경계면을 명시적으로 추적하지 않고도 재현한 것이다. 이것은 상장 방법이 순수 이론에서 실용적인 계산 도구로 전환되는 결정적 순간이었다.

2000년대 이후 상장 방법은 폭발적으로 확산되었다. 응고, 부식, 균열, 배터리, 적층 제조, 생체 역학 — 경계가 존재하는 거의 모든 물리 현상에 적용되고 있다.

---

제2장: 근본 문제 — 경계를 어떻게 다룰 것인가?

날카로운 경계 vs 확산된 경계

경계를 컴퓨터로 다루는 방법은 크게 두 가지로 나뉜다.

날카로운 경계(sharp interface) 방법들은 경계면의 위치를 명시적으로 계산한다.

• Level Set 방법: 경계면을 $\psi(\mathbf{x}, t) = 0$인 등위면으로 표현한다. 경계 이동 시 $\psi$ 함수 전체를 갱신해야 하고, 재초기화(reinitialization)가 주기적으로 필요하다.
• Front Tracking: 경계면 위에 마커 점들을 놓고 직접 이동시킨다. 경계의 위상이 변하면(두 영역이 합쳐지거나 갈라질 때) 별도의 로직이 필요하다.
• ALE(Arbitrary Lagrangian-Eulerian): 메시 자체가 경계면을 따라 변형된다. 변형이 심해지면 메시 품질이 악화되어 재메시(remeshing)가 필요하다.

이 방법들은 한 가지 공통 약점을 갖는다: 위상 변화(topology change) 에 취약하다.

위상 변화라는 악몽

부식 피트 두 개가 서로를 향해 자라다 하나로 합쳐진다고 하자. 또는 하나의 균열이 두 갈래로 갈라진다고 하자. 이런 사건이 발생하면:

• Level Set: 두 영역의 $\psi = 0$ 등위면이 합쳐질 때 수치적 불안정이 발생할 수 있다
• Front Tracking: 합류 지점에서 마커를 재배치하는 복잡한 알고리즘이 필요하다
• ALE: 메시가 심하게 왜곡되어 재메시가 불가피하다

3차원에서, 복잡한 형태의 경계가 동시다발적으로 합쳐지고 갈라지는 상황을 상상해 보라. 메시 관리만으로도 코드의 절반을 차지하게 된다.

상장 방법의 우아한 우회

상장 방법은 이 문제를 근본적으로 다르게 접근한다.

경계를 추적하지 않는다. 경계가 저절로 나타나게 한다.

전체 영역에 걸쳐 연속적인 질서 매개변수(order parameter) $\phi$를 정의한다. $\phi$는 각 점이 어느 상에 가까운지를 나타내는 숫자다.

• $\phi = 1$: 상 A (예: 고체, 금속)
• $\phi = 0$: 상 B (예: 액체, 전해질)
• $0 < \phi < 1$: 계면 영역 (유한한 두께의 전이대)

$\phi$의 시간 진화를 PDE로 기술하면, 경계면의 이동, 합류, 분기가 모두 PDE의 자연스러운 해로 포착된다. 위상 변화를 위한 별도 알고리즘이 필요 없다.

별도 위상 처리 없이, $\phi$ 필드가 자연스럽게 두 피트의 합류를 표현한다. 이것이 상장 방법의 결정적 장점이다.

---

제3장: 핵심 수학 — 놀라울 만큼 아름다운 구조

상장 방법의 수학은 두 가지 재료로 만들어진다: 자유 에너지 범함수와 시간 진화 방정식. 하나씩 풀어보자.

질서 매개변수 $\phi$

$\phi(\mathbf{x}, t)$는 공간의 각 점 $\mathbf{x}$와 시간 $t$에서 시스템의 "상태"를 나타내는 스칼라 필드다. 가장 단순한 경우:

• $\phi = 1$: 상 A
• $\phi = 0$: 상 B

계면에서 $\phi$는 0과 1 사이를 부드럽게 전이한다. 이 전이 영역의 두께를 $\ell$이라 하면, 물리적 계면의 두께는 보통 나노미터 수준이지만, 시뮬레이션에서는 계산의 편의를 위해 더 두껍게 설정한다.

자유 에너지 범함수

상장 방법의 핵심 구성물은 Ginzburg-Landau형 자유 에너지 범함수다:

$F[\phi] = \int_\Omega \left[ f(\phi) + \frac{\varepsilon^2}{2}|\nabla\phi|^2 \right] d\mathbf{x}$

이 적분에는 두 항이 있다.

첫째, $f(\phi)$ — 이중 우물 퍼텐셜(double-well potential):

$f(\phi) = W \phi^2(1 - \phi)^2$

이 함수는 $\phi = 0$과 $\phi = 1$에서 두 개의 극소값(우물)을 갖는다. 사이의 $\phi = 0.5$에서 에너지 장벽이 최대다. $W$는 장벽의 높이를 결정하는 매개변수다.

왜 "이중 우물"인가? $\phi = 0$(상 B)과 $\phi = 1$(상 A)이 에너지의 극소점이므로, 시스템은 이 두 상태 중 하나에 머물려 한다. 계면($\phi \approx 0.5$)에서는 에너지가 높으므로, 계면은 가능한 한 좁고 적게 유지되려 한다. 이것이 자연에서 계면이 날카로운 이유를 열역학적으로 설명한다.

둘째, $\frac{\varepsilon^2}{2}|\nabla\phi|^2$ — 구배 에너지 항:

이 항은 $\phi$가 공간적으로 급격히 변하는 곳에 에너지 비용을 부과한다. $\varepsilon$은 계면 두께를 제어하는 매개변수다:

• $\varepsilon$이 크면: 계면이 두꺼워진다 (구배 에너지 비용이 퍼진다)
• $\varepsilon$이 작으면: 계면이 날카로워진다 (날카로운 경계에 접근)

이 두 항의 경쟁이 상장 방법의 핵심 역학이다. 이중 우물 퍼텐셜은 $\phi$를 0 또는 1로 밀어붙이려 하고(계면을 날카롭게), 구배 에너지 항은 $\phi$의 급격한 변화를 억제하려 한다(계면을 넓히려). 이 경쟁의 균형점에서 계면의 두께가 결정된다.

Allen-Cahn 방정식 — 비보존 역학

자유 에너지를 최소화하는 가장 간단한 시간 진화 법칙은:

$\frac{\partial \phi}{\partial t} = -L \frac{\delta F}{\delta \phi}$

여기서 $L > 0$은 이동도(mobility) 상수, $\frac{\delta F}{\delta \phi}$는 자유 에너지의 변분 도함수(variational derivative)다. 범함수의 변분 도함수를 계산하면:

$\frac{\delta F}{\delta \phi} = f'(\phi) - \varepsilon^2 \nabla^2 \phi$

따라서 Allen-Cahn 방정식의 전개된 형태는:

$\frac{\partial \phi}{\partial t} = -L \left[ W \cdot 2\phi(1-\phi)(1-2\phi) - \varepsilon^2 \nabla^2 \phi \right]$

이 방정식의 의미: $\phi$의 전체 적분값($\int \phi \, d\mathbf{x}$)이 보존되지 않는다. 상 A의 영역이 줄어들고 상 B가 늘어나는 것, 즉 상전이와 계면 이동을 기술한다. 물이 어는 과정(액체상이 줄고 고체상이 늘어남)에 적합하다.

Cahn-Hilliard 방정식 — 보존 역학

물질의 총량이 보존되어야 하는 경우 — 예를 들어 합금에서 두 성분의 농도 합이 일정해야 할 때 — 다른 진화 법칙이 필요하다:

$\frac{\partial c}{\partial t} = \nabla \cdot \left( M \nabla \frac{\delta F}{\delta c} \right) = M \nabla^2 \frac{\delta F}{\delta c}$

여기서 $M$은 이동도, $c$는 농도다. 이것이 Cahn-Hilliard 방정식이다. 전개하면:

$\frac{\partial c}{\partial t} = M \nabla^2 \left[ f'(c) - \kappa \nabla^2 c \right]$

Allen-Cahn과의 결정적 차이: Cahn-Hilliard에는 $\nabla^2$이 두 번 나온다(4차 편미분방정식). $\nabla \cdot (M \nabla(\cdots))$ 형태가 확산 플럭스를 통해 물질을 이동시키므로, 전체 물질량 $\int c \, d\mathbf{x}$가 보존된다.

직관적 비유: Allen-Cahn은 "얼음이 물을 잡아먹으며 확장하는 것"이고, Cahn-Hilliard는 "커피에 떨어뜨린 크림이 퍼지면서 농도가 재분배되는 것"이다. 전자는 한쪽이 다른 쪽을 소비하는 과정, 후자는 전체 물질량을 유지하면서 재배치되는 과정이다.

계면의 평형 프로파일

1차원에서 정상 상태($\partial\phi/\partial t = 0$)의 Allen-Cahn 방정식을 풀면, 계면의 평형 프로파일이 쌍곡탄젠트(hyperbolic tangent) 함수로 주어진다:

$\phi(x) = \frac{1}{2}\left[1 - \tanh\left(\frac{x}{2\varepsilon}\sqrt{2W}\right)\right]$

이 해는 $\varepsilon$이 0에 가까워질수록 날카로운 계단 함수(step function)에 접근한다. 즉, 상장 방법에서 $\varepsilon \to 0$ 극한이 날카로운 경계 모델과 일치한다는 것이 수학적으로 보장된다. 이것은 상장 방법의 정당성을 뒷받침하는 중요한 결과다.

---

제4장: 응용 — 경계가 있는 곳이라면 어디든

상장 방법은 놀라울 정도로 다양한 분야에 적용된다. 핵심 응용들을 하나씩 살펴보자.

응용 1: 수지상 응고 — 눈 결정의 수학

겨울의 눈 결정이 왜 그토록 복잡한 가지 구조를 형성하는지 궁금했던 적이 있는가? 이 현상의 이름은 수지상 성장(dendritic growth)이다. "수지상"은 나뭇가지 모양이라는 뜻이다.

응고 시 고체-액체 경계면은 기본적으로 불안정하다. 경계면의 아주 작은 돌출이 과냉각된 액체 쪽으로 더 빠르게 자라고, 돌출의 측면에서 새로운 가지가 뻗어나간다. 이것이 Mullins-Sekerka 불안정성이다.

Kobayashi(1993)는 다음의 상장 모델로 이 과정을 시뮬레이션했다:

$\frac{\partial \phi}{\partial t} = \varepsilon^2(\theta) \nabla^2 \phi + \phi(1-\phi)\left(\phi - \frac{1}{2} + m(T)\right)$

여기서 $\varepsilon(\theta)$는 결정 이방성(crystallographic anisotropy) 을 반영하는 함수다. 각도 $\theta$에 따라 계면 에너지가 달라지므로, 특정 방향으로 더 빠르게 성장한다. $m(T)$는 온도에 의존하는 구동력이다.

산업적 활용: 금속 주조 공정에서 수지상 구조의 크기와 형태는 최종 제품의 기계적 성질을 결정한다. 상장 시뮬레이션으로 냉각 속도, 합금 조성을 최적화하면 더 강하고 균일한 주물을 만들 수 있다.

응용 2: 스피노달 분해 — 합금이 저절로 분리되다

두 성분 A, B로 이루어진 합금을 특정 온도 이하로 냉각하면, 열역학적으로 불안정해져 A가 풍부한 영역과 B가 풍부한 영역으로 자발적으로 분리된다. 이것이 스피노달 분해(spinodal decomposition) 다. 핵생성(nucleation) 없이 전체 영역에서 동시에 일어나므로, 특유의 미로 같은 패턴이 형성된다.

이 현상은 Cahn-Hilliard 방정식의 교과서적 응용이다:

$\frac{\partial c}{\partial t} = M \nabla^2 \left[ f'(c) - \kappa \nabla^2 c \right]$

초기에 거의 균일한 농도 $c$에 작은 요동을 주면, 시간이 지남에 따라 농도 차이가 증폭되며 상 분리가 진행된다. 후기에는 에너지 최소화를 위해 작은 도메인이 큰 도메인에 흡수되는 조대화(coarsening) 가 일어난다.

활용 분야: 고분자 블렌드, 유리, 세라믹스, 리튬이온 배터리의 전극 미세구조 최적화.

응용 3: 부식 — 금속이 녹아가는 과정

금속의 공식 부식(pitting corrosion) 은 표면의 보호 피막이 국지적으로 파괴되면서 시작된다. 한번 시작된 피트는 내부 환경의 산성화로 인해 자기가속적으로 성장한다.

부식의 상장 모델은 Kim-Kim-Suzuki(KKS) 프레임워크를 기반으로, Allen-Cahn과 Cahn-Hilliard를 결합한 시스템이다:

$\frac{\partial \phi}{\partial t} = L\left[ 2A(c_{Se} - c_{Le})\Delta\mu \cdot h'(\phi) - w_\phi g'(\phi) + \alpha_\phi \nabla^2\phi \right]$

$\frac{\partial c}{\partial t} = 2AM\nabla^2 c - 2AM(c_{Se} - c_{Le})\nabla^2 h(\phi)$

여기서 $\phi$는 금속/전해질 상을, $c$는 금속 이온 농도를 나타낸다. 두 방정식이 강하게 결합되어 있으므로, 수치적으로 풀기가 매우 어렵다.

이 결합 시스템을 효율적으로 풀기 위해 Chen et al.(2025)이 제안한 것이 바로 Sharp-PINNs다. 교대 학습과 경성 제약이라는 두 혁신으로, FEM 대비 10배 빠른 3D 부식 시뮬레이션을 달성했다.

응용 4: 균열 역학 — 갈라짐의 수학

재료에 가해지는 하중이 임계값을 넘으면 균열이 발생하고 전파된다. 전통적으로 균열 시뮬레이션은 XFEM(eXtended Finite Element Method) 등이 사용되었는데, 균열 경로를 메시에 명시적으로 삽입해야 한다. 균열이 갈라지거나 방향을 바꿀 때 메시를 수정해야 한다.

Bourdin, Francfort, Marigo(2000)는 상장 파괴 모델을 제안했다. 질서 매개변수 $d$를 도입하여:

• $d = 0$: 손상 없는 재료
• $d = 1$: 완전히 파괴된 재료 (균열)

에너지 범함수:

$E[u, d] = \int_\Omega \left[ g(d)\psi^+(\boldsymbol{\varepsilon}) + \psi^-(\boldsymbol{\varepsilon}) \right] d\mathbf{x} + G_c \int_\Omega \left[ \frac{d^2}{2\ell} + \frac{\ell}{2}|\nabla d|^2 \right] d\mathbf{x}$

여기서 $g(d) = (1-d)^2$은 열화 함수, $G_c$는 임계 에너지 해방률, $\ell$은 길이 스케일 매개변수다. $\psi^+$와 $\psi^-$는 변형 에너지의 인장/압축 분해다(균열은 인장에서만 전파).

상장 파괴 모델의 혁신적 장점: 균열이 어디로 갈지를 미리 알 필요가 없다. 에너지 최소화 원리에 따라 균열이 자동으로 가장 에너지적으로 유리한 경로를 택한다. 균열의 분기(branching), 합류(merging), 3차원 복잡 경로 모두 별도 처리 없이 자연스럽게 시뮬레이션된다.

응용 5: 배터리 열화 — 리튬 수지상의 위험

리튬이온 배터리에서 충전 시 리튬 금속이 음극 표면에 수지상(dendrite) 형태로 성장할 수 있다. 수지상이 분리막을 관통하면 내부 단락 → 열폭주 → 화재/폭발로 이어진다. 2016년 삼성 Galaxy Note 7의 대규모 리콜이 대표적 사례다.

리튬 수지상 성장의 상장 모델:

$\frac{\partial \phi}{\partial t} = -L_\sigma\left[\frac{\partial f(\phi)}{\partial \phi} - \kappa\nabla^2\phi - \frac{z F}{V_m}\eta\frac{\partial h(\phi)}{\partial \phi}\right]$

여기서 $\eta$는 과전위(overpotential), $z$는 이온 전하수, $F$는 패러데이 상수다. 과전위가 수지상 성장의 구동력이다.

상장 시뮬레이션으로 어떤 전해질 조성, 전류 밀도, 표면 처리가 수지상 성장을 억제하는지 예측할 수 있다. 배터리 안전 설계의 핵심 도구다.

응용 6: 적층 제조(3D 프린팅) — 용융풀의 미세역학

금속 3D 프린팅(SLM, EBM)에서 레이저 또는 전자빔이 금속 분말을 녹이면 용융풀(melt pool) 이 형성된다. 용융풀의 형태, 냉각 속도, 온도 구배가 결정립(grain)의 크기와 방향을 결정하고, 이것이 곧 최종 부품의 기계적 성질을 좌우한다.

상장 방법은 이 과정을 다층적으로 시뮬레이션한다:

• 용융/응고 계면: Allen-Cahn 방정식으로 고-액 경계 추적
• 결정립 성장: 다중 질서 매개변수로 각 결정립의 방위와 경쟁적 성장 모사
• 열 전달: 에너지 방정식과의 결합

이를 통해 레이저 출력, 스캔 속도, 패턴을 최적화하여 원하는 미세조직을 얻을 수 있다.

---

제5장: 경계 추적 방법론의 비교

상장 방법만이 경계를 다루는 유일한 방법은 아니다. 각 방법의 장단점을 비교하면:

각 방법은 고유한 강점이 있다. Level Set은 이론적으로 명쾌하고 구현이 비교적 단순하다. VOF(Volume of Fluid)는 질량 보존이 우수하여 다상 유동에 많이 쓰인다. Front Tracking은 계면의 정밀도가 가장 높다.

하지만 위상 변화의 자동 처리, 열역학적 일관성, 다중 물리 결합의 용이성에서는 상장 방법이 압도적이다. 특히 재료과학 — 응고, 상전이, 미세조직 진화 — 에서 상장 방법이 사실상 표준이 된 이유다.

---

제6장: 계산의 도전 — 아름다움에는 대가가 있다

상장 방법이 이론적으로 아름답다고 해서 계산이 쉬운 것은 아니다. 몇 가지 핵심적 도전이 있다.

계면 두께 vs 정확도의 딜레마

물리적 계면의 두께는 보통 나노미터 수준이다. 하지만 시뮬레이션에서 계면을 정확히 해상하려면, 계면 영역에 최소 510개의 격자점이 필요하다. 밀리미터센티미터 스케일의 시스템을 나노미터 격자로 해상하면?

격자점 수가 기하급수적으로 폭증한다. 1D에서 $N$개의 격자점이 필요하면, 3D에서는 $N^3$개가 필요하다.

$\text{계면 두께 } \ell \sim \varepsilon, \quad \text{필요한 격자 수} \sim \left(\frac{L}{\varepsilon}\right)^3$

예를 들어, $L = 1\text{mm}$, $\varepsilon = 1\text{nm}$이면 $10^{18}$개의 격자점이 필요하다 — 어떤 슈퍼컴퓨터로도 불가능한 규모다.

해결책: 물리적 계면보다 훨씬 두꺼운 "인공적" 계면을 사용하되, $\varepsilon \to 0$ 극한에서의 수학적 정합성을 보장하는 점근 해석(asymptotic analysis) 을 통해 정확도를 확보한다. 또한 적응형 메시(adaptive mesh refinement, AMR) 를 사용하여 계면 근처에만 격자를 조밀하게 배치한다.

시간 스텝의 제약

Allen-Cahn과 Cahn-Hilliard 방정식 모두 경직 방정식(stiff equation) 이다. 명시적(explicit) 시간 적분법을 사용하면, 안정성을 위해 시간 스텝이 극도로 작아야 한다:

• Allen-Cahn: $\Delta t \sim (\Delta x)^2$
• Cahn-Hilliard: $\Delta t \sim (\Delta x)^4$ (4차 방정식이므로 더 심함)

$\Delta x$가 작아질수록 $\Delta t$도 급격히 줄어들어, 계산 시간이 폭발적으로 증가한다. 이를 해결하기 위해 반묵시적(semi-implicit) 또는 완전 묵시적(fully implicit) 시간 적분법이 사용된다. 대표적으로:

• Convex splitting method
• Exponential time differencing (ETD)
• Scalar Auxiliary Variable (SAV) method

다중 물리 결합의 복잡성

실제 응용에서는 상장 방정식이 단독으로 풀리는 경우가 거의 없다. 열 전달, 유체 역학, 탄성 역학, 전기화학 등과 결합된다.

예를 들어 부식 문제에서:

4개의 PDE가 양방향으로 결합되어 있다. 이 시스템을 3차원에서 충분한 해상도로 풀려면 슈퍼컴퓨터급 자원이 필요하며, 한 케이스에 수 시간에서 수 일이 걸린다.

---

제7장: AI와의 만남 — 상장 방법 + PINN

상장 방법의 계산 비용 문제는 자연스럽게 AI 기반 대안에 대한 관심으로 이어진다. 특히 PINN(Physics-Informed Neural Networks)과의 결합이 활발하게 연구되고 있다.

왜 상장 방법이 PINN에 적합한가?

상장 방법은 PINN에 자연스럽게 어울리는 몇 가지 특성을 가진다:

1. 고정 격자 위의 PDE: 상장 방법은 이동하는 메시가 필요 없다. 전체 영역에서 하나의 PDE를 풀면 된다. PINN은 본질적으로 메시 없는(meshless) 방법이므로 궁합이 좋다.

2. 매끄러운 해: $\phi$는 연속적이고 미분 가능하다. PINN이 학습하기에 이상적인 형태다. 날카로운 불연속면이 있었다면 신경망의 학습이 훨씬 어려웠을 것이다.

3. 자동미분과의 호환: PINN에서 PDE 잔차를 계산하려면 네트워크 출력의 미분이 필요하다. 상장 방정식의 미분($\nabla^2\phi$, $\nabla^4 c$)은 자동미분(automatic differentiation)으로 정확하게 계산할 수 있다.

Sharp-PINNs — 실전적 혁신

그러나 상장 방법의 결합 PDE 시스템을 일반 PINN으로 풀면, 그래디언트 충돌 문제에 부딪힌다. Allen-Cahn 손실을 줄이는 방향과 Cahn-Hilliard 손실을 줄이는 방향이 서로 반대로 작용하는 것이다.

Chen et al.(2025)의 Sharp-PINNs는 이 문제를 두 가지 혁신으로 돌파했다:

교대 학습은 AC와 CH를 동시에 풀지 않고 번갈아 풀어 그래디언트 충돌을 구조적으로 해소한다. 경성 제약은 $\phi \in [0,1]$ 같은 물리적 제약을 네트워크 구조에 직접 내장하여, 위반을 원천 차단한다.

결과는 인상적이다:

상장 방법과 PINN의 결합은 아직 초기 단계이지만, 설계 최적화(수천 가지 매개변수 조합을 빠르게 탐색), 실시간 디지털 트윈(구조물의 부식/손상을 실시간 모니터링), 역문제(관측 데이터에서 재료 물성을 추정) 같은 분야에서 큰 잠재력을 가진다.

---

제8장: 소프트웨어 생태계

상장 시뮬레이션을 위한 주요 오픈소스 소프트웨어를 소개한다.

MOOSE는 미국 에너지부(DOE) 산하 Idaho National Lab에서 개발하는 범용 다중물리 프레임워크로, 상장 모듈이 포함되어 있다. 핵연료 성능 예측(BISON), 강유전체 시뮬레이션(Ferret) 등에 사용된다.

FEniCS는 변분 형식의 PDE를 Python으로 간결하게 정의할 수 있어 연구 프로토타이핑에 인기가 높다. Cahn-Hilliard 방정식의 구현 예제가 공식 튜토리얼에 포함되어 있을 만큼, 상장 방법과 궁합이 좋다.

PRISMS-PF는 미시간 대학교에서 개발한 상장 전용 프레임워크로, deal.II 유한요소 라이브러리 위에 구축되었다. 수지상 응고, 스피노달 분해, 결정립 성장 등의 예제가 풍부하다.

---

마치며 — 경계를 바라보는 새로운 눈

상장 방법의 핵심은 단 하나의 통찰이다:

경계를 추적하지 말고, 경계가 드러나게 하라.

질서 매개변수 $\phi$라는 연속 필드를 도입하고, 자유 에너지를 최소화하는 진화 방정식을 세우면, 경계는 PDE의 해로서 자연스럽게 나타난다. 합류, 분기, 소멸 — 어떤 위상 변화든 별도의 알고리즘 없이 포착된다.

Van der Waals가 1893년에 심은 확산 계면의 씨앗은, 130년의 세월을 거쳐 재료과학, 구조역학, 전기화학, 에너지 공학에 걸친 범용 프레임워크로 성장했다. 그리고 PINN과 같은 AI 기법과의 결합은, 이 프레임워크의 계산 비용이라는 마지막 장벽을 허물기 시작했다.

금속이 녹슬고, 합금이 분리되고, 균열이 자라고, 눈 결정이 피어나는 것 — 자연의 모든 경계 현상이 하나의 수학적 언어로 기술될 수 있다는 사실은, 과학이 때로 보여주는 놀라운 통일성의 증거다.

---

더 읽어보기:

• Sharp-PINNs: 부식 상장 모델을 AI로 풀다 — 이 글에서 다룬 KKS 부식 모델을 PINN으로 풀 때의 도전과 해법
• PINN: AI에게 물리법칙을 가르치다 — 상장 방법과 결합되는 PINN의 기본 원리

참고 문헌:

• J.W. Cahn, J.E. Hilliard, "Free Energy of a Nonuniform System. I. Interfacial Free Energy", J. Chem. Phys. (1958)
• S.M. Allen, J.W. Cahn, "A Microscopic Theory for Antiphase Boundary Motion and Its Application to Antiphase Domain Coarsening", Acta Metall. (1979)
• R. Kobayashi, "Modeling and Numerical Simulations of Dendritic Crystal Growth", Physica D (1993)
• B. Bourdin, G.A. Francfort, J.-J. Marigo, "Numerical Experiments in Revisited Brittle Fracture", J. Mech. Phys. Solids (2000)
• S.G. Kim, W.T. Kim, T. Suzuki, "Phase-field model for binary alloys", Physical Review E (1999)
• N. Chen et al., "Sharp-PINNs: Staggered Hard-constrained Physics-Informed Neural Networks", CMAME (2025)