딥러닝 기반 최적화: 복합재료 경화 공정 최적화의 혁신

Janak M. Patel 등 연구팀은 물리 정보 통합 딥ONet (PIDON) 아키텍처를 이용한 경사 기반 최적화 프레임워크를 제안, 항공 우주 등급 복합재 경화 공정 최적화에서 기존 방법 대비 3배의 속도 향상을 달성했습니다. 이는 고급 엔지니어링 및 디지털 트윈 시스템에 널리 적용될 수 있는 잠재력을 지닙니다.

Janak M. Patel, Milad Ramezankhani, Anirudh Deodhar, Dagnachew Birru 연구팀이 발표한 최근 논문은 복잡한 시스템과 공정의 엔지니어링 설계를 혁신적으로 발전시킬 가능성을 제시합니다. 기존의 유한 요소 분석과 같은 자원 집약적인 시뮬레이션과 복잡한 최적화 알고리즘에 의존하는 전통적인 방법은 막대한 계산 시간과 노력을 필요로 합니다.

하지만 이 연구팀은 물리 정보 통합 신경 연산자 (PINOs) 라는 데이터 무관 AI 기반 대체 모델을 활용하여 이러한 문제를 해결합니다. PINOs는 엄청난 속도 향상과 데이터 효율성, 그리고 놀라운 제로샷 슈퍼 해상도 기능을 제공합니다. 그러나 기존 PINOs 모델은 작고 저차원의 설계 공간이나 상대적으로 단순한 동역학을 가진 시스템에 그 예측 정확도가 제한되었습니다.

연구팀은 이러한 한계를 극복하기 위해 물리 정보 통합 딥ONet (PIDON) 아키텍처를 새롭게 도입했습니다. PIDON은 기존 신경 연산자의 기능을 확장하여 고차원 설계 공간과 광범위한 동적 설계 구성에서 복잡한 엔지니어링 시스템의 비선형 동작을 효과적으로 모델링합니다. 이 새로운 아키텍처는 기존 최첨단 모델을 능가하여 더 넓은 설계 공간에서 더 나은 예측을 가능하게 합니다.

PIDON의 미분 가능성을 활용하여 Adam Optimizer를 사용한 경사 기반 최적화 기법을 통합함으로써, 연구팀은 최적의 설계 변수를 효율적으로 결정하는 종단 간 경사 기반 최적화 프레임워크를 구축했습니다. 이는 설계 프로세스를 가속화하면서 확장성과 효율성을 향상시킵니다. 실제로 항공 우주 등급 복합재 경화 공정 최적화에 이 프레임워크를 적용한 결과, 기존의 경사 없는 방법에 비해 최적 설계 변수를 얻는 속도가 3배나 빨라졌습니다.

이 연구는 복합재료 가공을 넘어, 고급 엔지니어링 및 디지털 트윈 시스템의 광범위한 응용 분야에서 확장 가능하고 효율적인 최적화 도구로서 PIDON의 잠재력을 보여줍니다. 이를 통해 더욱 빠르고 효율적인 엔지니어링 설계 및 최적화의 새로운 시대가 열릴 것으로 기대됩니다. 🚀