이 연구는 보로노이 다중 스케일 구조의 효율적인 위상 최적화를 위한 새로운 프레임워크를 제안한다. 주요 내용은 다음과 같다:
오프라인 계산: 보로노이 미시 구조 매개변수와 균질화된 구성 특성 간의 관계를 대리 신경망으로 학습한다. 이를 통해 미시 구조 특성을 효율적으로 예측할 수 있다.
다중 스케일 최적화: 학습된 대리 신경망을 활용하여 거시 구조 수준에서 보로노이 미시 구조를 최적화한다. 이때 인접 미시 구조 간 연결성을 고려하여 물리적으로 타당한 설계를 도출한다.
다양한 매개변수 탐색: 두께, 이방성, 방향 등 보로노이 미시 구조 매개변수의 범위를 확장하여 성능 향상을 도모하였다.
정확성 및 효율성 검증: 제안 방법의 정확성은 10% 이내의 오차로 검증되었으며, 기존 방법 대비 계산 시간이 크게 단축되었다.
이를 통해 보로노이 다중 스케일 구조의 효율적인 위상 최적화가 가능해졌다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Rahul Kumar ... : arxiv.org 04-30-2024
https://arxiv.org/pdf/2404.18300.pdfDaha Derin Sorular