정훈영 Hoonyoung Jeong

참여교수공과대학 에너지자원공학과

AI 연구 프로필·과제 동향

정훈영 교수는 지중 이산화탄소 저장과 석유·가스 저류층 공학을 연구한다. 탄소저장 분야에서는 이산화탄소 플룸 거동의 신속 예측, 누출 감지를 위한 압력 모니터링망 최적 설계, 염대수층 저장용량의 물질수지 추정, 포집 이산화탄소 수송 파이프라인 실시간 감시, 주입정 바닥의 이산화탄소 상 예측을 다룬다. 저류층 분야에서는 앙상블 칼만필터·앙상블 스무더 기반 수로형 저류층 히스토리 매칭, 지질 불확실성 하의 유정 배치·생산 최적화, 셰일가스정의 생산량·유동보증 예측을 수행한다. 기계학습·딥러닝 대리모델로 저류층 시뮬레이션을 대체해 계산비용을 줄이고 불확실성을 정량화하는 것이 공통된 접근이며, 2026년에는 현무암 광물탄산화와 셰일의 이산화탄소-물-암석 반응 실험으로 범위가 넓어졌다.

연구 축

연구 흐름

핵심 키워드와 국가 과제 동향

전체 키워드: 이산화탄소 지중저장 8 채널 저류층 5 저류층 히스토리 매칭 4 염수 대수층 4 불균질 저류층 3 저류층 생산 성능 예측 3 탄화수소 생산량 예측 3 유정 궤적 3 carbon dioxide plume migration 2 diffusive time of flight 2 well placement optimization 2 carbon dioxide leakage detection 2 geological uncertainty 2 pressure monitoring network 2 predictive uncertainty 2 reservoir characterization 2 reservoir production optimization 2 유동성 보장(플로 어슈어런스) 2 shale gas well 2 carbon dioxide storage capacity 2

연구 방법

저류층 수치 시뮬레이션을 대체하는 대리모델(연결성 지표, 확산 비행시간, CNN·GAN·U-Net)과 앙상블 칼만필터·ES-MDA 등 앙상블 기반 자료동화, StoSAG·입자군집최적화·선형/정수계획법 같은 최적화 기법이 주된 방법이다. 최근에는 물질수지 분석과 나노압입·XRD·SEM 등 실험 분석도 사용한다.

딥러닝 9 기계학습 6 대리 모델링 5 앙상블 스무더 3 군집 분석 3 data space inversion 2 discrete cosine transform 2 convolutional autoencoder 2 random forest 2 material balance analysis 2

지원 과제 동향 (NTIS 성과, 2020–2024)

연도별 지원 과제 건수. 정부연구비 합계 2020 60억 · 2021 13억 · 2022 65억 · 2023 5억 · 2024 43억. 과제 전체의 연차 정부연구비를 더한 값이라 교수 개인 연구비가 아니며, 공저자 과제가 포함될 수 있다.

PDF 본문 메모

• 2026_Assessment of Digital Quasi-2D and 2.5D Micromodels for Pore-scale Two-phase Flow 기존 준2차원 마이크로모델이 스냅오프 같은 3차원 다상유동 메커니즘을 재현하지 못하는 한계를 다루기 위해, 디지털 준2차원·2.5차원 마이크로모델을 생성하는 계산 워크플로를 개발한 2026년 프리프린트다. 슬라이스 위치, 침식 반경, 두께, 경사, 단면 형상 등 5개 기하 변수로 만든 모델을 2상 격자 볼츠만 시뮬레이션으로 평가하고, 3차원 기준 모델과 상대투과도 곡선·유체 분포를 비교했다.
• 2025_Comparative Analysis of Carbon Emissions and Reduction Strategies in Sustainability Report 국내외 유가스 기업 5곳의 지속가능경영보고서를 비교해 탄소배출 현황과 감축 전략의 효과적인 공시 방안을 제안한 한국자원공학회지 기술보고다. Scope별 배출원 세분화, 산정 방법론을 포함한 Scope 3 배출량 공시, 탄소배출 집약도 제시, 사업 분야별 탄소중립 목표와 감축 수단별 기여도 명시를 권고했다.
• 2020_Efficient Ensemble-Based Stochastic Gradient Methods for Optimization Under Geological Unc (논문 페이지) EnOpt, SG, StoSAG 등 앙상블 기반 확률적 경사법을 비교해, 앙상블 모델 간 목적함수 차이가 클 때 EnOpt가 충분히 개선되지 않는 이유를 보이고 EnOpt-SG 혼합 경사와 계산비용 절감 기법을 제안했다. 벤치마크 문제에서 동일 최적화의 계산비용을 약 30–50% 줄였고, 탄소저장 저류층의 압력 상승을 줄이기 위한 염수 추출정 배치 최적화에 적용했다.

34편 중 상당수가 초록 없이 제목과 OpenAlex 키워드만 있어 이를 근거로 태깅했다. 2014–2015년 수집 논문은 없고, other_titles에는 학회 발표와 중복 레코드가 섞여 있다. PDF는 첫 두 쪽만 확인했다.

NTIS 표준분류 연계

논문 = 이 교수 논문을 NTIS 과학기술표준분류에 배정한 수(정책 연계 맵과 같은 방법), 논문(지원 과제) = 그 분류 과제가 지원한 논문 수. 국가 투자 = 그 분류(1순위) 과제의 정부연구비. 대학 내 서울대% 평균 8.7%.

논문 지원 과제 (NTIS 성과DB)

교수 논문 DOI가 NTIS 성과 논문으로 등록된 과제(2020–24). 공저자의 과제일 수 있어 본인 책임 과제와 같지 않다. 부처: 과학기술정보통신부 9, 교육부 7, 산업통상자원부 6. NTIS 분류 = 그 과제의 1순위 과학기술표준분류.

연구단 내 협업 (공저)

학제 간 융합 후보

다른 학과이면서 아직 함께 쓴 논문이 없는 교수 쌍 가운데 연구 유사도(학문분야 cosine 0.5 + NTIS 중분류 cosine 0.5)가 높은 순. 겹치는 NTIS 분류는 두 교수 논문이 2편 이상씩 배정된 중분류다. 전체 네트워크 →

대표 논문 (피인용 상위)

최근 논문

인접 그래프

노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동

이 문서와 연결된 페이지

교수 1

정은혜

논문 34

Prediction of maximum slug length considering impact of well trajector · Characterization of three-dimensional channel reservoirs using ensembl · Predicting CO 2 Plume Migration in Heterogeneous Formations Using Cond · Fast assessment of CO2 plume characteristics using a connectivity base · Development of ensemble smoother–neural network and its application to · Use of Channel Information Update and Discrete Cosine Transform in Ens · Hydrocarbon production dynamics forecasting using machine learning: A · Integration of an Iterative Update of Sparse Geologic Dictionaries wit · Real-time monitoring of CO2 transport pipelines using deep learning · Estimation of CO2 storage capacities in saline aquifers using material · Influence of injection strategies on local capillary trapping during g · Efficient deep-learning-based history matching for fluvial channel res · Metamodeling-based approach for risk assessment and cost estimation: A · Enhancing pressure gradient prediction in multi-phase flow through div · Estimation of CO2 storage capacities in saline sandstone aquifers usin · Cost-optimal design of pressure-based monitoring networks for carbon s · Fast evaluation of well placements in heterogeneous reservoir models u · A novel framework for predicting non-stationary production time series · Fast selection of geologic models honoring CO2 plume monitoring data u · Prediction of carbon dioxide phase at bottomhole by adaptive factoriza · Efficient deep-learning-based surrogate model for reservoir production · A learning-based data-driven forecast approach for predicting future r · Chemo-Mechanical Degradation Mechanisms of Shale Minerals Induced by C · Prediction of liquid surge volumes and flow rates for gas wells using · Learning-based pattern-data-driven forecast approach for predicting fu · Buoyant and countercurrent flow of CO2 with capillary dispersion · Efficient Ensemble-Based Stochastic Gradient Methods for Optimization · Prediction of high-resolution dynamic spatial data using U-Net and dif · Sequential short-term optimization of gas lift using linear programmin · Enhanced mineral carbonation of CO2 in basalt using circulating fluidi · Asynchronous and synchronous huff-n-puff water injection for enhanced · Field development optimization using a cooperative micro-particle swar · Utilization of multiobjective optimization for pulse testing dataset f · Building complex event processing capability for intelligent environme

연구주제 5

CO2 Sequestration and Geologic Interactions · Reservoir Engineering and Simulation Methods · Oil and Gas Production Techniques · Fault Detection and Control Systems · Enhanced Oil Recovery Techniques

학문분야 3

Control and Systems Engineering · Environmental Engineering · Ocean Engineering

정책분야 3

온실가스 처리 · 기후학 · 자원탐사/개발/활용

전략기술 2

차세대 원자력 · 우주항공·해양

학과 1

에너지자원공학과

키워드 9

이산화탄소 지중저장 · 염수 대수층 · 채널 저류층 · 저류층 히스토리 매칭 · 불균질 저류층 · 저류층 생산 성능 예측 · 탄화수소 생산량 예측 · 유동성 보장(플로 어슈어런스) · 유정 궤적

방법 5

기계학습 · 딥러닝 · 군집 분석 · 대리 모델링 · 앙상블 스무더