Machine Learning-Based Optimization of Steel Fiber Geometry and Hybrid Reinforcement Strategies
한국연구재단연구운영비지원(R&D) · (국제) 한-중(NSFC) 협력사업 (협력연구)
2026년
2710114996
과학기술정보통신부
한국연구재단
전남대학교산학협력단
이인규
1명
2026.10.01 ~ 2027.09.30
2026.10.01 ~ 2028.09.30
1,500만원
1,500만원
기초연구
대학
광주광역시 북구
건설/교통 > 건설시공/재료 > 건설구조재료
본 연구는 기존 강섬유 보강 설계의 한계인 시행착오 중심의 경험적 접근법을 탈피하고, 데이터 기반의 머신러닝 최적화 기법을 도입함으로써 저비용·고효율의 차세대 하이브리드 보강 설계 프레임워크를 구축하는 것을 목적으로 하며, 이를 위해 다음과 같은 세부 목표를 설정한다.1. 데이터 효율적 PINNs 모델 구축: 물리 법칙(평형 방정식)을 손실 함수에 포함하여...
... 모델 개발- 대규모 시뮬레이션을 통해 다양한 섬유 위상에 따른 구조적 탄성 응답의 고충실도 데이터셋 생성- 탄성 성능의 즉각적인 예측을 위한 효율적인 딥러닝 서로게이트 모델 학습- 디지털 방식으로 최적화된 변동 강성 섬유 분포 필드의 역설계를 위해 서로게이트 모델과 통합된 지능형 위상 최적화 프레임워크 개발 및 구현2. 재료 제작 및 실험적 검증 (전남대학교 - CNU 중심의 ...
... 단순한 시행착오식 실험에 의존해 왔으며, 이는 섬유 형상과 이종 혼입에 따른 복합적인 시너지 메커니즘을 규명하는 데 한계가 있었습니다. 본 연구개발에 따른 기대성과는 아래와 같습니다.- 디지털 전환(Digitalization)의 필요성: 시멘트 복합체 설계와 성능 구현에 있어 근본적인 돌파구를 마련하기 위해, 무작위 섬유 배치를 넘어선 지능형·디지털 설계 패러다임으로의 전환이 ...