Crystal Plasticity-Informed Deep learning for Microstructure Inverse Design of Multiphase Steels
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710112448
과학기술정보통신부
한국연구재단
성균관대학교산학협력단
정경재
2명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
6,415만원
6,415만원
기초연구
대학
경기도 수원시
재료 > 금속재료 > 구조재료
... 연결된 end-to-end 설계 플랫폼을 구축함으로써, 소재 설계의 역문제와 순문제를 동시에 해결할 수 있는 통합적 접근법을 제시한다. 이는 기존 실험 중심 또는 개별 모델 중심의 소재 설계 방식을 데이터 기반 통합 설계 체계로 전환하는 핵심 기술로 자리매김할 것이며, 향후 다양한 금속 소재 및 공정 조건으로 확장 가능한 범용 설계 플랫폼으로 발전할 수 있다.
본 연구의 연구개발 내용은 다상강 미세조직 역설계 및 물성 예측을 위한 통합 프레임워크 구축을 목표로 하며, 크게 생성 모델 개발, 데이터베이스 구축, 구조-물성 예측 모델 개발의 세 가지 핵심 축으로 구성된다.첫째, 생성적 적대 신경망 기반의 조건부 생성 모델을 개발한다. 해당 모델은 목표 기계적 물성을 조건으로 입력받아 이를 만족하는 다상 미세조직을 생...
... AI 기반 의사결정 시스템으로 활용될 수 있으며, 기업 연구소에서는 반복 실험을 대체하는 디지털 기반 설계 플랫폼으로 도입 가능하다. 또한 기술이전 및 산업체 공동연구를 통해 실제 제품 개발 ... 장기적으로는 데이터 기반 스마트 소재 설계 플랫폼으로 발전할 수 있다. 이는 소재 개발의 디지털 전환을 가속화하고, 다양한 산업 분야에서의 기술 경쟁력 확보에 기여할 것으로 기대된다.