AI 기반 이미지 도구로 소재 응력·변형률 실시간 예측

연구진은 소재 내부 구조를 보여주는 이미지 하나로 응력·변형률 같은 소재 특성을 신속히 결정하는 기술을 개발했습니다. 이 접근법은 물리 기반 계산을 컴퓨터 비전과 머신러닝 기반 실시간 추정으로 대체해 향후 설계 프로토타이핑과 소재 검사를 가속화할 전망입니다.

물리 계산 대체하는 생성적 적대 신경망(GAN) 활용

계산은 소재 내부 힘(응력·변형률)을 드러내 변형이나 파손을 예측합니다. 예: 제안된 교량이 교통 하중과 강풍을 견딜지 평가. 연구진은 기계적 힘을 받는 소재 내부 미세구조 이미지와 동일 소재의 색상 코딩된 응력·변형률 값 이미지 수천 쌍으로 생성적 적대 신경망(GAN)을 훈련시켰습니다. 이 예시들로 네트워크는 게임 이론 원리를 사용해 소재 기하학과 결과적 응력 간 관계를 반복적으로 학습했습니다.

복합 소재에 특히 유리, 다중 스케일 처리 능숙

이미지 기반 접근법은 복잡한 복합 소재에 특히 유리합니다. 소재에 가해지는 힘이 원자 스케일과 거시 스케일에서 다르게 작용할 수 있기 때문입니다. 하지만 연구진 네트워크는 다중 스케일 처리에 능숙합니다. '컨볼루션(convolution)' 시리즈로 이미지를 점진적으로 더 큰 스케일에서 분석합니다.

완전 훈련된 네트워크, 균열 같은 특이점도 포착

완전 훈련된 네트워크는 다양한 소프트 복합 소재 미세구조 클로즈업 이미지 시리즈로 응력·변형률 값을 성공적으로 렌더링했습니다. 힘과 필드가 미세 거리에 걸쳐 급변하는 균열 발생 같은 '특이점(singularities)'도 포착했습니다.

설계 반복 횟수 대폭 감소, 비전문가도 최첨단 계산 접근 가능

이 발전으로 제품 설계에 필요한 반복 횟수가 크게 줄어듭니다. 엔드투엔드 접근법은 자동차·항공 산업용 복합재, 천연·공학적 생체소재 등 다양한 공학 응용에 큰 영향을 미칠 수 있습니다.

엔지니어 시간·비용 절약뿐 아니라 비전문가도 최첨단 소재 계산에 접근 가능해집니다. 제품 설계자가 아이디어 타당성을 엔지니어링 팀 넘기기 전 테스트할 수 있습니다.

소비자용 프로세서에서 즉시 실행, 현장 진단 혁신

한번 훈련되면 네트워크는 소비자용 컴퓨터 프로세서에서 거의 즉시 실행됩니다. 이로써 정비사와 검사원이 사진 한 장으로 기계 잠재적 문제를 진단할 수 있게 됩니다.

향후 더 다양한 소재 유형으로 확장 계획

연구진은 소프트하고 부서지기 쉬운 구성요소를 다양한 무작위 기하학적 배열로 포함한 복합 소재를 주로 다뤘습니다. 향후 더 넓은 범위의 소재 유형으로 확장할 계획입니다.