A Foundation Model for Material Microstructure Reconstruction and Inverse Design via Generative AI-Based Dimensional Expansion
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114531
과학기술정보통신부
한국연구재단
숭실대학교
이강현
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2028.08.31
4,522만원
4,522만원
기초연구
대학
서울특별시 동작구
재료 > 국방소재 > 재료특성 예측/분석
... 미세구조-물성 민감도 분석 및 물성 기반 역설계 역시 제한됨.최종목표: 본 연구는 미세구조 이미지의 고차원 데이터 분포 자체를 학습하고 그 분포로부터 새로운 미세구조를 샘플링하는 생성형 인공지능과, 인공신경망 기반 연속 미세구조 표현을 결합하여, 특정 미세구조 유형 또는 해상도에 구애받지 않는 Resolution-free 2D-to-3D 미세구조 생성 파운데이션 모델을 개발하는 것을 ...
... 분할·정규화·패치화·해상도 정렬·상 정보 라벨링을 수행함. 이후 연구자가 선행연구로 개념을 제시한 생성형 인공지능 모델인 확산 모델(Diffusion model) 기반 차원 확장법을 토대로, 잠재확산모델(Latent ... Resolution-free 미세구조 생성 방법론 개발 및 검증: 생성된 3차원 잠재 표현을 인공신경망 기반 연속 미세구조 표현인 Neural field와 결합하여, 고정 해상도에 종속되지 ...
연구개발성과 요약: 본 연구를 통해 다소재·다해상도 조건에 적용 가능한 생성형 인공지능 기반 Resolution-free 2D-to-3D 미세구조 생성 파운데이션 모델을 확보함. 또한 제한된 2차원 미세구조 이미지로부터 생성한 3차원 미세구조 데이터, 구조 통계, 생성 조건, 유효 물성 정보를 통합한 2D-to-3D 미세구조-물성 벤치마크 데이터셋을 구축함. ...