다중 스케일 위상최적화를 위한 조건부 적대적 생성 신경망을 통한 재료 표현

Q: 이 논문에서 정의한 다중 스케일 위상최적화란 무엇인가?

다중 스케일 위상최적화는 구조물의 강성을 최대화하기 위해 재료의 분포와 재료 자체를 순차적으로 최적화하는 방법이다. 이는 재료의 물성과 분포를 동시에 최적화하여 단일 스케일 위상최적화보다 우수한 설계안을 찾을 가능성을 제공하며, 특히 미세구조의 종류가 다양할수록 설계 자유도가 높아진다.

Q: 조건부 적대적 생성 신경망을 활용한 재료 표현 방식의 이점은 무엇인가?

연구 결과, 조건부 적대적 생성 신경망을 활용하면 다중 스케일 위상최적화에서 설계변수의 차원을 효과적으로 축소하고 균질화 해석 계산 시간을 단축할 수 있다. 또한, 잠재변수와 함께 조건을 부여함으로써 생성되는 미세구조 이미지를 통제하고, RVE 간 연결성 문제를 해결하는 가능성을 제공한다.

서민식; 민승재

학술대회자료 Full-text

저자정보: 서민식 (한양대학교) 민승재 (한양대학교)

저널정보: 대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2020년 학술대회

오류 신고하기

피인용 0

검색

초록·키워드

In this paper, a novel material representation method for multi-scale topology optimization is proposed. The number of design variables of every microstructure reduces by the generator network. The generator is trained together with the discriminator simultaneously in an adversarial way. Some of the condensed design variables are applied as conditions of the generative networks to control the microstructure much easier than without any condition. These conditions also make the generated samples be uniformly distributed without augmentation of the training data. The isotropic microstructure is tested, and the result shows the effectiveness of the proposed method. By this method, geometric constraints are not necessary in the optimization phase.

#멀티스케일(Multi-scale) #위상최적화(Topology optimization) #딥러닝(Deep learning) #적대적생성신경망(Generative adversarial networks)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)