이산종좌표법

수치해석 계산물리 마지막 수정: 2026-08-04 05:04:41

1. 개요[편집]

이산종좌표법 Discrete Ordinates Method
약칭	DOM, S_N
대상	선형 수송 방정식(중성자, 복사)
이산화	각도 → 유한개 방향 + 구적 가중치
기본 알고리즘	수송 스윕 + 소스 반복 (+ DSA/GMRES)
고질병	광선 효과, 음수 플럭스, 허위 산란

이산종좌표법(discrete ordinates method, 통칭 S_N)은 복사 전달 방정식이나 중성자 수송 방정식의 각도 변수만 유한개의 이산 방향(종좌표)과 그에 대응하는 구적 가중치로 대체해, 적분-미분 방정식을 방향 개수만큼의 연립 1차 미분방정식으로 바꾸는 결정론적 해법이다. 방향 적분을

\int_{4\pi} f(\hat{\Omega})\, d\Omega \;\approx\; \sum_{m=1}^{M} w_m\, f(\hat{\Omega}_m), \qquad \sum_m w_m = 4\pi

로 근사하는 것이 전부이며, 나머지는 이 한 줄이 파생시키는 뒷감당이다.

범위 정리: 수송 방정식 자체의 물리와 항별 의미는 복사 전달 방정식에, 원자로·차폐 쪽 응용 맥락은 중성자 수송에, 대류·전도까지 포함한 공학 열전달은 열전달 해석에 있다. 이 문서는 S_N이라는 이산화 기법 자체의 설계와 병폐를 본다.

2. 구적집합 — 방향을 어디에 찍을 것인가[편집]

1차원 평판에서는 $\mu = \cos\theta$ 하나만 남으므로 가우스-르장드르 구적이 정답에 가깝다. 노드는 $P_N(\mu)$ 의 근이고 $2N-1$ 차 다항식까지 정확하다. 문제는 3차원이다.

가장 널리 쓰이는 것이 레벨 대칭(level-symmetric, LQ_N) 구적이다. 방향여현 $(\mu,\eta,\xi)$ 가 $\mu^2+\eta^2+\xi^2=1$ 위에 놓이면서 세 축에 대해 대칭이 되도록 배치하며, 3D에서 총 방향 수는 $N(N+2)$ 개(팔분공간당 $N(N+2)/8$ )다. 레벨 값은

\mu_i^2 = \mu_1^2 + \frac{2(i-1)(1-3\mu_1^2)}{N-2}

라는 한 매개변수 관계로 정해지고, $\mu_1$ 은 모멘트 조건으로 결정된다. 좌표 대칭성 덕에 격자 정렬 문제에서 방향 편향이 없다는 게 장점.

다만 $N > 20$ 부터는 가중치에 음수가 나온다. 물리적으로 말이 안 될 뿐 아니라 수치적으로도 위험해서, 고차 각도 해상도가 필요하면 다른 구적으로 갈아탄다. 삼각 체비쇼프-르장드르 곱 구적(극각은 가우스, 방위각은 균등), 사분범위(quadruple range) 구적, 구면 위에 최적 배치된 르베데프 구적 등이 대안이다. 구적 선택의 판정 기준은 결국 하나 — 필요한 차수까지의 각도 모멘트를 정확히 재현하면서 가중치가 전부 양수인가.

3. 수송 스윕과 소스 반복[편집]

각도를 고정하면 방정식은 그 방향의 이송 문제가 된다.

\hat{\Omega}_m \cdot \nabla \psi_m + \sigma_t \psi_m = \frac{\sigma_s}{4\pi}\sum_{m'} w_{m'} \psi_{m'} + Q

우변의 산란 소스를 고정하면 좌변은 방향 $\hat\Omega_m$ 을 따라 상류에서 하류로 흐르는 순수 이송이다. 격자 셀을 그 방향 기준으로 위상 정렬해서 상류 셀부터 훑으면, 행렬 하나 뒤집지 않고 셀당 $O(1)$ 대수 연산으로 전체 격자를 푼다. 이것이 수송 스윕(transport sweep)이며, S_N 코드의 심장이다.

스윕으로 얻은 $\psi$ 로 산란 소스를 갱신하고 다시 스윕하는 것이 소스 반복이다. 이 반복의 스펙트럼 반지름은 산란비 $c=\sigma_s/\sigma_t$ 와 거의 같아서, $c \to 1$ 인 강산란 매질에서는 수렴이 기어간다. 물리적으로는 “반복 한 번 = 산란 한 번”이라 광자·중성자가 확산으로 빠져나갈 때까지 수천 번을 돌아야 하기 때문이다.

가속이 필수인 이유가 이것이고, 표준 해법이 확산 종합 가속(DSA)이다. 스윕 후 잔차를 값싼 확산 방정식으로 풀어 저차 모멘트 오차를 한 번에 제거한다. 잘 만든 DSA는 $c \to 1$ 에서도 반복 수를 상수로 붙잡지만, 확산 이산화가 수송 이산화와 정합(consistent)하지 않으면 오히려 발산한다는 악명이 있다. 요즘 코드는 소스 반복 대신 GMRES 같은 크리로프 부분공간법으로 감싸고 DSA를 전처리기로 쓰는 구조를 선호한다 — 정합성이 조금 어긋나도 크리로프가 버텨 주기 때문이다.

병렬화의 어려움도 스윕에서 나온다. 셀 순서가 방향에 종속되므로 자연스러운 도메인 분할 병렬이 안 먹고, 파면(wavefront)을 파이프라인으로 흘리는 KBA 계열 스케줄링이 필요하다. 방향과 에너지군을 파이프에 채워야 효율이 나오는 구조라, 병렬 컴퓨팅 관점에서는 상당히 까다로운 축에 든다.

4. 광선 효과[편집]

S_N의 가장 유명한 결함은 광선 효과(ray effect)다. 방향이 유한개뿐이므로, 광학적으로 얇고 산란이 약한 매질에 국소 선원이 있으면 해가 선원에서 뻗어 나가는 몇 갈래 줄무늬로 갈라진다. 등방이어야 할 플럭스 분포에 방사형 무늬가 생기는 것.

원인은 명확하다 — 각도 구적이 실제 각도 분포를 못 담는 것이므로, 격자를 아무리 조밀하게 해도 사라지지 않는다. 격자만 조이면 오히려 무늬가 더 선명해진다. 완화책은 이렇다.

$N$ 올리기. 정직하지만 비용이 $N^2$ 로 증가하고 근본 해결은 아니다.
첫 충돌 소스(first-collision source). 선원에서 아직 한 번도 충돌하지 않은 성분(uncollided flux)을 해석적으로 또는 광선 추적으로 정확히 계산해 분포 소스로 바꾸고, S_N은 충돌 이후만 푼다. 광선 효과 대부분이 미충돌 성분에서 나오므로 효과가 크다.
각도 적응·유한요소 각도 이산화. 필요한 방향 영역만 세분하거나, 각도 공간에 불연속 갤러킨을 쓴다.
포기하고 몬테카를로 방법으로 간다. MC에는 각도 이산화가 없어서 광선 효과 자체가 존재하지 않는다.

5. 공간 이산화의 함정[편집]

각도를 이산화했으면 공간도 이산화해야 하는데, 여기가 두 번째 지뢰밭이다.

다이아몬드 차분(DD). 셀 평균을 양 경계면 값의 산술평균으로 두는 2차 정확도 도식. 정확하지만 셀 광학두께가 크면 음수 플럭스를 뱉는다. 물리적으로 불가능한 값이라 그대로 두면 반복이 터지고, 음수를 0으로 밀어내는 fix-up을 넣으면 정확도와 보존성이 깨진다.
스텝 차분. 상류 값을 그대로 쓰는 1차 도식. 항상 양수지만 수치 소산과 분산이 심해 해가 뭉개진다.
스텝 특성법(SC). 셀 안에서 특성선을 따라 소스가 상수라 가정하고 지수 감쇠를 해석적으로 적분한다. 항상 양수이면서 두꺼운 셀에서도 정확한, 사실상 두 마리 토끼를 잡은 도식이라 널리 쓰인다. 특성선 추적 자체를 전면에 내세우면 특성곡선법 기반의 MOC가 된다.
선형 불연속(LD)·DG. 고차 정확도가 필요하거나 비정렬 격자를 쓸 때의 현대적 선택.

CFD 코드에 내장된 유한체적형 DOM에서는 같은 문제가 허위 산란(false scattering)이라는 이름으로 나타난다. 1차 상류 차분이 만드는 수치 확산이 마치 매질이 산란하는 것처럼 빔을 퍼뜨리는 현상으로, 이름만 다를 뿐 유한체적법의 수치 확산 그 자체다. 광선 효과와 허위 산란이 서로 반대 방향으로 오차를 내는 탓에, 둘이 상쇄돼 “그럴듯한” 그림이 나오는 경우도 흔하다는 게 이 분야의 씁쓸한 농담.¹

6. 두 동네, 한 방정식[편집]

S_N은 1950년대 로스앨러모스에서 중성자 수송용으로 태어났고, 뒤늦게 복사 열전달로 건너갔다. 그래서 지금도 같은 기법이 두 동네에서 조금씩 다른 언어로 쓰인다.

중성자 수송. 원자로 노심 해석과 차폐 해석이 주 무대다. 에너지를 다군(multigroup)으로 쪼개고, 핵분열 선원에 대해 거듭제곱법으로 외부 반복을 돌려 유효증배계수 $k_{\text{eff}}$ 를 구한다. 산란은 구면조화 함수 전개로 $P_L$ 차수까지 잘라 다룬다.
복사 열전달. 연소로·화염 해석에서 열전달 해석의 복사 모드를 담당한다. 기체의 비회색성은 가중합 회색기체(WSGG) 같은 모형으로 근사하고, 유동 격자에 그대로 얹어 유한체적법으로 이산화하는 것이 상용 코드의 국룰이다. 연소 시뮬레이션 참고.

7. 몬테카를로와의 분업[편집]

결정론적 S_N과 몬테카를로 방법은 경쟁 관계라기보다 역할이 갈린다.

항목	S_N (결정론)	몬테카를로
오차 성격	이산화 편향 (재현 가능)	통계 잡음 (표본 수로 감소)
전역 해	모든 셀에서 동시에 나옴	관심 영역 밖은 통계가 나쁨
복잡 형상	격자 생성이 병목	기하를 그대로 추적
깊은 투과	상대적으로 강함	분산 저감 없이는 사실상 불가

그래서 실무의 정석은 하이브리드다. 대표적으로 CADIS/FW-CADIS는 값싼 S_N 수반(adjoint) 계산으로 중요도 함수를 얻고, 그것으로 MC의 가중치 창과 소스 편향을 자동 설정한다. 결정론적 해가 중요도 표본추출의 설계도를 그려 주고 MC가 편향 없는 답을 내는 구조로, 깊은 차폐 문제의 계산 시간을 수천 배 단축한 사례가 흔하다.² 검증은 Reed 문제나 Kobayashi 벤치마크 같은 표준 문제로 하는 것이 관례이며, 격자·각도·에너지 세 축을 각각 조여 보는 격자 수렴 지수식 절차가 그대로 적용된다.³

8. 관련 문서[편집]

두 오차가 상쇄되는 격자를 우연히 찾은 뒤 “우리 해석은 실험과 잘 맞습니다”라고 발표하는 것은 이 바닥의 유서 깊은 전통이다. 격자를 조이면 광선 효과가 튀어나오면서 결과가 나빠지는데, 그 순간 검증 및 확인의 필요성을 몸으로 배우게 된다. ↩
수반 수송 방정식은 “이 위치·에너지·방향의 입자가 검출기에 기여할 확률”을 직접 준다. 즉 중요도 함수를 물리 방정식으로 계산해 주는 셈이라, 분산 저감의 튜닝 파라미터를 손으로 만지던 시대를 끝냈다. ↩
각도 수렴을 확인한답시고 S₄→S₈→S₁₆만 돌리고 공간 격자는 그대로 두는 실수가 잦다. 광선 효과는 각도에서, 허위 산란은 공간에서 오므로 한 축만 조이면 나머지 오차가 그대로 남아 “수렴했다”는 착각을 부른다. ↩