[대학원 세미나] 5/10(금) 장일광 박사(연세대학교) "트라이볼로지 분야에서의 머신러닝 활용"

기계공학부 구성원들의 많은 관심과 참여 부탁드립니다.

▣ 제 목: 트라이볼로지 분야에서의 머신러닝 활용

▣ 연 사: 장일광 박사

▣ 소 속: 연세대학교

▣ 일 시: 2024. 5. 10.(Fri) 13:00

▣ 장 소: 제2공학관 B040호

▣ 초 록

최근 인공지능 기술의 급속한 발전으로 인해 기계공학 분야에서도 딥러닝 기술을 적극적으로 활용하려는 시도가 활발히 이루어지고 있습니다. 특히 복잡한 물리 현상을 모사하고 해석하는 분야에서 딥러닝 기술의 가능성이 주목받고 있으며, 트라이볼로지 분야 역시 딥러닝 기술의 적용이 기대되는 대표적인 분야 중 하나입니다.

본 세미나에서는 최근 트라이볼로지 현상의 예측을 위해 딥러닝 기술을 적용한 연구 사례를 소개하고자 합니다. 또한 트라이볼로지 영역에서 딥러닝 기술을 활용하기 위한 학습 데이터셋 구축 예시를 통해 기존 시험 데이터에 딥러닝 기술을 적용할 수 있는 방법을 제시합니다.

그리고 거친 표면의 접촉에서 발생하는 접촉 면적 및 접촉 압력 분포를 합성곱 신경망(Convolutional Neural Network, CNN) 기반 딥러닝 모델을 통해 예측하는 내용을 중점적으로 다룰 예정입니다. 딥러닝 모델 개발을 위해 프랙털 알고리즘을 활용하여 다양한 거칠기를 가지는 표면 형상 데이터를 생성하고, 이에 대한 접촉 해석을 수행하여 학습 데이터셋을 구축하였습니다. 접촉 면적 예측을 위해 UNet 구조의 CNN을 활용한 시맨틱 분할(Semantic Segmentation) 기법을 적용하였으며, 다양한 스케일의 표면에 대해 92% 이상의 예측 정확도를 달성하였습니다. 더 나아가 예측된 접촉 면적을 기반으로 전기 접촉 저항값을 99% 이상의 정확도로 예측할 수 있었습니다. 마지막으로 예측된 접촉 영역을 활용하여 픽셀 단위 회귀(Pixel-wise Regression) 기법을 통해 접촉 압력 분포를 추정하는 CNN 모델을 개발하였습니다. 개발된 모델은 픽셀 단위 평균 오차 7% 이내의 우수한 성능을 보여주었습니다.

본 연구는 기존의 수치해석 기법을 대체하여 트라이볼로지 현상을 초고속으로 예측할 수 있는 딥러닝 프레임워크를 제시했다는 점에서 큰 의의가 있습니다. 또한 영상 데이터를 기반으로 역학적 물리량을 직접적으로 예측할 수 있음을 보여줌으로써 딥러닝 기술의 새로운 가능성을 제시하였습니다.

이번 세미나를 통해 기계공학 분야, 특히 트라이볼로지 영역에서 딥러닝 기술의 새로운 가능성과 미래 연구 방향에 대해 함께 고민하고 토론하는 뜻깊은 자리가 되기를 기대합니다.