Development of a Real-time Displacement Field Simulation Model for Defect Analysis in Solid Structures using Physics-Informed Neural Networks (PINN)
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066535
교육부
한국연구재단
홍익대학교
정주영
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
응용연구
대학
서울특별시 마포구
정보/통신 > 정보이론 > 인공지능
해당 연구의 최종 목표는 이미지 기반의 형상 인식에 최적화된 U-Net과 물리 법칙을 학습 과정에 직접 투영하는 PINN(Physics-Informed Neural Network)을 결합한 하이브리드 구조해석 모델을 개발하는 것입니다. 이를 통해 기존 유한요소해석(FEM)이 가진 고비용·저속 연산의 한계를 극복하고, 복잡한 비정형 결함을 포함한 고체 구조물...
비정형 결함을 포함한 고체 구조물의 실시간 구조 해석을 위해 이미지 인식에 특화된 U-Net과 물리 법칙을 강제하는 PINN을 결합한 하이브리드 모델을 개발합니다구체적인 연구 개발 내용은 데이터셋 구축, 모델 아키텍처 설계, 물리 손실 함수 구성 및 성능 검증의 단계로 진행됩니다. 첫째, 모델 학습 및 검증을 위한 고정밀 데이터셋을 구축합니다. 2차원 평면...
... 비정형 결함 해석의 새로운 표준을 제시할 것이며, 이는 전통적인 역학 지식과 최첨단 AI 기술이 결합된 융합 공학의 선도적 사례가 될 것입니다. 경제·산업적 측면에서도 고가의 상용 해석 소프트웨어에 대한 의존도를 낮추고 계산용 하드웨어 유지비를 최소화하여 기업의 R&D 효율성을 높이는 결과를 가져옵니다. 구조적 결함을 조기에 발견하여 대형 사고를 미연에 방지함으로써 막대한 사회적 비용을 ...