We use high-fidelity numerical simulations to investigate compressible and incompressible multiphase flow systems across a wide range of scales. Our work aims to understand the fundamental physics of multiphase interactions and to develop modeling frameworks for sustainable industrial processes. Applications include cavitating bubbly flows, bioreactor modeling, cell-culturing systems, and droplet atomization, with relevance to naval hydrodynamics, aircraft icing, cultivated meat production, biopharmaceutical manufacturing, and bioprinting.

본 연구실에서는 고신뢰도 수치 시뮬레이션을 활용하여 다양한 공간 및 시간 스케일에서 압축성 및 비압축성 다상 유동 현상을 연구합니다. 특히 다상 유동에서 발생하는 상호작용의 근본적인 메커니즘을 이해하고, 이를 바탕으로 지속가능한 산업 공정을 위한 모델링 프레임워크를 개발하는 것을 목표로 합니다. 주요 연구 주제로는 공동(cavitation) 기포 유동, 바이오리액터 모델링, 세포 배양 시스템, 액적 분무(atomization) 등이 있으며, 선박 유체역학, 항공기 결빙, 배양육 생산, 바이오의약품 제조, 바이오 프린팅 등 다양한 산업 및 공학 분야에 적용됩니다.

We combine numerical simulations, satellite observations, remote sensing, data assimilation, and machine learning to quantify environmental flows that are difficult to observe directly. Our research focuses on understanding ocean dynamics and small-scale oceanic eddies, as well as their interactions with the atmosphere and marine ecosystems, to improve climate projections. While our primary focus is the polar ocean, the methodologies we develop are broadly applicable to a wide range of environmental systems. 

본 연구실에서는 수치 시뮬레이션, 위성 관측, 원격탐사, 데이터 동화, 그리고 머신러닝 기법을 결합하여 직접 관측하기 어려운 환경 유동(예: 극지 해양)을 정량화하는 연구를 진행합니다. 특히 해양 역학과 소규모 해양 eddy의 특성, 그리고 이들이 대기 및 해양 생태계와 상호작용하는 과정을 이해함으로써 기후 예측의 정확도를 향상시키는 것을 목표로 합니다. 또한 개발한 방법론을 다양한 환경 유동 시스템에 폭넓게 적용하고자 합니다.

We apply artificial intelligence (AI) to characterize flows under extreme conditions that are difficult to observe and measure directly. Our research focuses on developing AI-based approaches to identify hidden flow structures, infer physical quantities from limited data, and improve predictive capabilities. These methods are applied to extreme environmental phenomena, such as oil spills, microplastic transport, and deep-sea environments, as well as extreme industrial systems, including cryogenic rocket fuels, semiconductor manufacturing processes, and nuclear reactors.

본 연구실에서는 인공지능 기법을 활용하여 극한 환경에서 발생하며 직접 관측 및 측정이 어려운 유동 현상을 특성화하고 분석합니다. 특히 제한된 데이터로부터 숨겨진 유동 구조와 물리량을 추정하고 예측 성능을 향상시키는 AI 기반 방법론을 개발하는 것을 목표로 하고 있습니다. 이러한 접근법을 해양 기름 유출, 미세플라스틱 이동, 심해 환경과 같은 극한 환경 시스템뿐만 아니라 극저온 로켓 연료, 반도체 공정, 원자로와 같은 극한 산업 시스템에도 적용하고자 합니다.