최신기술 동향

홈페이지 정보마당 최신기술 동향
머신러닝 기반 제로 푸아송비 메타물질 역설계 글보기
머신러닝 기반 제로 푸아송비 메타물질 역설계
대표 URL https://doi.org/10.1016/j.mtcomm.2022.103186
작성자 관리자 게시일 2022.02.17 조회수 405

머신러닝 기반 제로 푸아송비 메타물질 역설계

 

단위구조를 배열하여 만든 메타구조는 자연계 물질로는 구현 불가능한 기계적 등가물성을 원하는 적용분야에 맞춰 구현할 수 있다. 하지만 복잡한 형상으로 인해 설계과정에서 정확한 이론모델을 구축하기 어려워 목표하는 물성을 갖는 설계안을 도출해 내는데 어려움이 있다. 최근 이러한 문제를 해결하기 위해 머신러닝을 통해 원하는 성능을 갖는 설계안을 도출할 수 있는 역설계 기법에 대한 많은 연구가 진행되고 있다. 중국 허난 기술대학 연구팀은 제로 푸아송비를 갖는 메타물질의 머신러닝 역설계 기법을 제안했다. 연구팀은 메타물질 단위구조의 설계 파라미터와 단위구조를 배열하여 해석했을 때 계산된 등가 푸아송비를 데이터셋으로 설정하여 BPNN(Back propagation neural network)과 GA(Genetic algorithm)을 통해 모델을 학습시켰다. 학습된 모델을 통해 푸아송비가 0인 설계안을 역으로 도출해냈다. 해당 설계안을 수치해석과 3D프린팅으로 제작된 샘플을 실험하여 확인한 결과 목표 푸아송비인 0에 가까운 푸아송비를 갖는 것을 확인하였다. 또한 연구팀은 역설계 모델을 통해 푸아송비가 0이 아닌 다른 값을 갖는 설계안 역시 도출하였고 이를 수치해석을 통해 비교하여 1퍼 내의 오차를 갖는 결과를 확인하였다. 제안된 연구는 복잡한 형상으로 인해 설계 제약이 큰 메타물질 뿐만 아니라 다양한 형상 설계에서 이론 모델을 대체할 수 있을 뿐만 아니라 이론모델에서 고려하지 못한 다양한 변수들을 해결할 수 있는 설계기법에 대한 연구가 될 것으로 기대된다.

 

출처: Chang, Y., Wang, H., & Dong, Q. (2022). Machine learning-based inverse design of auxetic metamaterial with zero Poisson's ratio. Materials Today Communications, 103186.

[담당자: 이재화(jaehwalee@kimm.re.kr, 7462)]

리스트
위로 가기