AI 기반 대리 모델, 실시간 복합 제조 시뮬레이션 가속화

출처 | IMDEA

IMDEA 소재 연구소(스페인 마드리드)와 마드리드 공과대학(UPM)의 최근 발표 연구가 복합 제조 공정의 실시간 시뮬레이션 역량 발전을 목표로 합니다.

연구 "비구조화 3D 그리드에서 액체 복합 몰딩 충전 시뮬레이션을 위한 딥 대리 모델(A deep surrogate model for filling simulations in liquid composite moulding on unstructured 3D grids)"은 IMDEA의 카를로스 곤잘레스 교수, 다비데 모체리노 박사, 소피아 페르난데스 레온 예비 연구원, UPM의 로베르토 바예 페르난데스 교수, 루이스 바우멜라 교수가 공동 저술했습니다.

주요 내용

연구자들은 복합 제조 공정에서 유체 흐름 시뮬레이션을 위한 현재 딥러닝 대리 모델의 주요 한계를 해결하고, 데이터 기반 접근이 첨단 제조 공정의 효율성, 적응성, 복원력 향상 잠재력을 강조한다고 말합니다.

연구자들에 따르면 액체 복합 몰딩(LCM) 시뮬레이션은 제조 공정 최적화와 보이드 형성 같은 결함 감소에 필수적입니다. 그러나 높은 계산 비용으로 전통적으로 실시간 응용에서 사용이 제한되었습니다. 이 연구는 정확한 예측을 밀리초 단위로 제공할 수 있는 딥러닝 기반 대리 모델링 프레임워크를 도입해 이 과제를 해결하며, 디지털 트윈과 적응형 공정 제어의 새로운 가능성을 엽니다.

"여기서 핵심 혁신은 산업 현장에서 흔히 발견되는 불규칙하고 비구조화된 메쉬에 대해 계산 효율성, 높은 정확도, 강건성을 동시에 달성함으로써 이 분야 주요 병목 현상 중 하나를 극복한 데 있습니다."라고 페르난데스 레온이 설명합니다. "이러한 요건은 기존 신경망 접근법으로는 거의 동시에 만족되지 않습니다."

연구자들은 또한 T자형 스트링거 같은 복잡한 형상을 평면 영역으로 분해하고 인터페이스 간 일관성을 보장해 모델링하는 멀티 브랜치 인코더-디코더 아키텍처를 도입했습니다.

병행하여 "제안된 그리드 매핑 기술은 비구조화 3D 도메인에서 컨볼루션 신경망 사용을 가능하게 해 정확도를 유지하면서 현실적 제조 시나리오로 적용 범위를 확장합니다."라고 페르난데스 레온이 덧붙입니다.

결과적 대리 모델은 고충실도 시뮬레이션 및 실험 데이터와 강한 일치를 보이면서 기존 방법 대비 4-5개 주문 정도의 속도 향상을 달성했다고 합니다. 이 성능 수준은 디지털 제조 환경에서 실시간 배포를 가능하게 해 더 효율적이고 적응적이며 복원력 있는 복합 생산 공정을 지원하는 것을 목표로 합니다.

"이 연구는 첨단 제조와 인공지능 결합의 변혁적 잠재력을 강조하며, 완전 통합된 데이터 기반 생산 시스템으로 가는 길을 닦습니다."라고 페르난데스 레온이 말합니다.