이 연구는 광학 프로파일을 활용하여 재료의 응력-변형률 관계를 예측하는 새로운 방법을 제안한다. 주요 내용은 다음과 같다:
압입 실험에서 얻은 광학 프로파일 정보만으로도 재료의 탄성-소성 특성을 효과적으로 예측할 수 있음을 확인했다. 이는 기존 연구에서 주로 사용했던 하중-변위 곡선 정보보다 광학 프로파일 정보가 더 유용한 것으로 나타났다.
2D 유한요소 시뮬레이션 데이터를 활용하여 초기 신경망 모델을 구축하고, 3D 시뮬레이션 및 실험 데이터를 활용하여 단계적으로 모델을 개선하는 다중 충실도 학습 프레임워크를 제안했다. 이를 통해 실험 데이터의 제한적 가용성 문제를 해결할 수 있었다.
마찰 계수와 포아송 비 등 물리 파라미터를 조정하여 시뮬레이션과 실험 데이터 간 격차를 줄이는 "물리 강화" 기법을 도입했다. 이를 통해 실험 데이터가 3개 정도만 있어도 20종의 재료에 대해 평균 3.4%의 오차로 응력-변형률 관계를 예측할 수 있었다.
재료 모델을 사전에 가정하지 않고 응력-변형률 관계를 포인트 단위로 직접 예측하는 방법도 제안했다. 이 방법은 보다 다양한 재료 특성을 표현할 수 있었다.
이 연구는 광학 이미징과 기계 학습을 결합하여 재료 특성을 효과적으로 예측할 수 있는 새로운 접근법을 제시했다는 점에서 의의가 크다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문