Point-DeepONet: 3D 비선형 구조 해석의 혁명
박장섭, 강남우 연구팀이 개발한 Point-DeepONet은 기존 유한요소해석의 속도를 400배 향상시킨 혁신적인 3D 비선형 구조 해석 기술입니다. PointNet과 DeepONet을 결합하여 비정형 3D 형상과 복잡한 하중 조건에 대한 고정밀도 예측을 가능하게 하며, 데이터 효율성 또한 뛰어납니다. 이 기술은 설계 최적화, 불확실성 정량화, 실시간 제어 등 다양한 분야에 혁신적인 변화를 가져올 것으로 기대됩니다.

박장섭, 강남우 연구팀이 발표한 Point-DeepONet은 엔지니어링 분야의 난제 중 하나인 비선형 구조 해석에 혁신적인 해결책을 제시합니다. 기존의 유한요소해석(FEA)은 시간이 오래 걸리고 계산량이 많아 설계 최적화나 실시간 제어에는 적합하지 않았습니다. 하지만 Point-DeepONet은 이러한 한계를 극복하고 놀라운 속도 향상을 이뤄냈습니다.
Point-DeepONet은 PointNet과 DeepONet을 결합한 새로운 딥러닝 기반 서로게이트 모델입니다. PointNet은 비정형 3D 점군 데이터를 직접 처리하고, DeepONet은 연산자 학습을 통해 고정밀도 예측을 가능하게 합니다. 여기에 부호화된 거리 함수(SDF)를 활용하여 기하학적 정보를 효과적으로 반영합니다.
가장 주목할 만한 성과는 속도 향상입니다. 기존 FEA가 한 케이스당 19.32분이 소요되는 것에 비해 Point-DeepONet은 단 몇 초 만에 예측 결과를 제공합니다. 이는 무려 400배의 속도 향상을 의미하며, 실시간 분석 및 제어를 가능하게 합니다. 또한, 전체 노드의 2.5% (20만개 노드 중 5천개 노드)만 사용하여 훈련했음에도 불구하고, 변위에 대한 결정 계수(R²)는 0.987, von Mises 응력에 대한 R²는 0.923을 달성하는 등 높은 정확도를 유지했습니다.
Point-DeepONet은 메시 매개변수화나 재훈련 없이 3차원 변위 및 von Mises 응력장을 정확하게 예측합니다. 더욱이 데이터셋 크기가 증가하더라도 뛰어난 확장성을 보여줍니다.
이 연구는 복잡한 엔지니어링 워크플로우에서 신속하고 정확한 구조 해석을 가능하게 하여, 더욱 효과적인 설계 탐색과 정보에 입각한 의사결정을 지원할 것으로 기대됩니다. Point-DeepONet은 설계 최적화, 불확실성 정량화, 실시간 제어 등 다양한 분야에 혁신적인 변화를 가져올 잠재력을 지닌 기술입니다. 앞으로 더욱 발전된 Point-DeepONet을 통해 보다 안전하고 효율적인 구조물 설계가 가능해질 것입니다.
Reference
[arxiv] Point-DeepONet: A Deep Operator Network Integrating PointNet for Nonlinear Analysis of Non-Parametric 3D Geometries and Load Conditions
Published: (Updated: )
Author: Jangseop Park, Namwoo Kang
http://arxiv.org/abs/2412.18362v1