초록 ▼

① 연구 과제 개요
연구 목표
○ 머신 러닝을 활용한 항복 및 파괴 특성 예측 및 최적화 기법 개발
• 효율적인 상장 모델을 이용한 복합재 항복 및 파괴 데이터 축적
• 딥러닝 및 메타모델을 이용한 복합재 기계적 특성 예측 및 최적화 기법 개발
○ 최적화된 복합재 구조의 3차원 프린터를 이용한 제작 및 특성 평가
• 폴리머, 세라믹, 금속 등 다양한 소재로 3D 프린팅된 복합재의 기계적 특성평가
• 앞에서 최적화된 기법을 검증하고 보완 (이종소재 계면 반영)
○ 수학적 연관성을 이용한 다물

① 연구 과제 개요
연구 목표
○ 머신 러닝을 활용한 항복 및 파괴 특성 예측 및 최적화 기법 개발
• 효율적인 상장 모델을 이용한 복합재 항복 및 파괴 데이터 축적
• 딥러닝 및 메타모델을 이용한 복합재 기계적 특성 예측 및 최적화 기법 개발
○ 최적화된 복합재 구조의 3차원 프린터를 이용한 제작 및 특성 평가
• 폴리머, 세라믹, 금속 등 다양한 소재로 3D 프린팅된 복합재의 기계적 특성평가
• 앞에서 최적화된 기법을 검증하고 보완 (이종소재 계면 반영)
○ 수학적 연관성을 이용한 다물리 특성 최적화하는 복합재 설계 기법 개발
• 전도, 탄성, 열전, 압전의 수학적 연관성을 이용하여, 다양한 물리적 특성 최적화 기법 개발

② 연구 내용
● Gaussian process regression 기반 베이지안 최적화를 통한 3D 프린팅 복합재 제작 및 인성 최적화 실험
● 복합재 접착 기둥의 계면 모양 최적화 모델링 및 실험을 통한 검증
● 능동 전이 학습과 데이터 추가를 통한 딥러닝 기반 재료 설계 최적화

③ 연구 성과 우수성
당초 연구계획서상 계획 성취도
□ 연구계획서 목표 및 계획
○ 기계/다물리 시뮬레이션 플랫폼 정립
○ 상장 모델 활용한 복합재 연구
○ 차년도 실험 대비 시편 및 장비 세팅
○ 딥러닝/머신 러닝 활용 복합재 설계

□ 성취내용 및 성취도
○ 다양한 시뮬레이션 환경 정립(100%)
○ 상장 모델 활용 파괴 연구(100%)
○ 시편 규격 및 환경 확립(100%)
○ CNN/GPR 활용한 설계법 정립(100%)

④ 연구 향후 기대효과 및 차년도 계획
□ 연구 결과물의 향후 기대효과 및 차년도계획
차년도 연구목표: 복합재의 기계적 물성치 최적화 과정과의 수학적 유사성을 이용하여 다물리 소자의 성능 최적화 이론 및 모델링으로 확장 연구.
○ 2차년도까지 수행된 기계적 특성 최적설계에 대한 논문 작성 및 게재
○ 다물질 스태킹형 열전소자 레그의 머신러닝 기반 최적화 수행
○ 메타물질 기반 GRIN 소자의 머신러닝 기반 최적화 수행
○ 각종 공정최적화에 가우시안 프로세스 회귀 기반 최적화 수행

□ 사회적/경제적 파급효과
○ 머신러닝 기반 최적설계 방법의 다물질 소재/소자에의 적용
○ 기존에 활용되던 소재/소자의 성능을 뛰어넘는 최적설계안을 머신러닝을 활용하여 탐색 및 제안
○ 위의 성과를 통한 국가 학문/산업 경쟁력 제고

(출처 : 요약문 3p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 요 약 문 ... 3
• 목차 ... 7
• 제1장 연구 과제 개요 ... 8
• 제1절 연구 목표 ... 8
• 1. 최적 복합재 3D 프린팅 시편 제작 및 실험 ... 8
• 2. 수치 모델링 및 최적화 복합재 구조의 기계적 거동 정밀 분석 ... 9
• 3. 복합재 물성치 최적화의 역학적인 이유 규명 ... 9
• 제2절 해당 연도 추진 내용 ... 10
• 1. Gaussian process regression 기반 베이지안 최적화를 통한 3D 프린팅 복합재 제작 및 인성 최적화 실험 ... 10
• 2. 복합재 접착 기둥의 계면 모양 최적화 모델링 및 실험을 통한 검증 ... 11
• 3. 능동 전이 학습과 데이터 추가를 통한 딥러닝 기반 재료 설계 최적화 ... 12
• 제3절 연구추진체계 ... 13
• 제2장 연구 결과의 우수성 ... 14
• 제1절 해당 연도 연구 성과 ... 14
• 1. Gaussian process regression 기반 베이지안 최적화를 통한 3D 프린팅 복합재 제작 및 인성 최적화 실험 ... 14
• 2. 복합재 접착 기둥의 계면 모양 최적화 모델링 및 실험을 통한 검증 ... 14
• 3. 능동 전이 학습과 데이터 추가를 통한 딥러닝 기반 재료 설계 최적화 ... 14
• 제2절 해당 연도 연구 성과 DEMO ... 15
• 1. 데이터 크기 및 설계공간 크기 맞춤형 머신러닝 기반 최적화 알고리즘. ... 15
• 제3장 연구 향후 기대효과 ... 16
• 제1절 연구 결과물의 향후 기대효과 및 사회적/경제적 파급효과 ... 16
• 1. 학문적 기대효과 ... 16
• 2. 기술적 기대효과 ... 17
• 제2절 차년도 계획 ... 18
• 끝페이지 ... 20