Instantaneous Prediction of Long-Term Phase Transition Dynamics Using Multiphysics-Informed Deep Operator Networks
이공학학술연구기반구축(R&D) · 기본연구B(포용형)
2026년
2340063934
교육부
한국연구재단
서강대학교
이현주
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2029.08.31
3,000만원
3,000만원
기초연구
대학
서울특별시 마포구
기계 > 생산기반기술 > 설계방법기술
... 예측함으로써, 기존 수치 해석 기반 접근 대비 계산 효율을 획기적으로 향상시키는 것을 핵심 목표로 한다.최종적으로 본 연구는 상 변화 예측의 계산 방식을 시간 적분 기반에서 연산자 학습 기반으로 전환하고, 다양한 공학 및 과학 분야에 적용 가능한 물리 기반 인공지능 기술로 확장함으로써 차세대 계산 기반 설계 및 예측 기술의 기반을 확립하는 것을 목표로 한다.
1차년도에는 상 변화 거동 예측을 위한 물리 정보 기반 인공신경망 모델을 개발한다.상 변화 방정식과 질량 보존 및 전하 보존 조건을 반영한 물리 정보 기반 학습 구조를 구축한다. 지배 방정식 및 보존 법칙의 residual과 초기 조건, 경계 조건을 손실 함수로 정의하여 물리적 제약을 부여하고, 데이터 기반 손실과 물리 기반 손실을 결합한 hybrid lo...
... 설계, 제조 공정 최적화 등에서 연구개발 기간을 단축하고 비용을 절감할 수 있다. 또한 실시간 예측이 가능한 모델을 활용하여 공정 제어 및 자동화 기술로 확장할 수 있어, 스마트 제조 및 디지털 트윈 기술 구현에 기여할 수 있다.나아가 본 연구에서 개발된 기술은 다양한 다중 물리 시스템으로 확장 가능한 범용 예측 프레임워크로 발전할 수 있으며, 향후 물리 기반 생성형 인공지능(Generative ...