DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 이익진 | - |
dc.contributor.advisor | Lee, Ikjin | - |
dc.contributor.author | 이건우 | - |
dc.date.accessioned | 2023-06-22T19:30:48Z | - |
dc.date.available | 2023-06-22T19:30:48Z | - |
dc.date.issued | 2023 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=1032270&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/308111 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 기계공학과, 2023.2,[v, 48 p. :] | - |
dc.description.abstract | 위상 최적화는 주어진 설계 영역에서 최적의 재료 분포를 찾아내는 구조 최적화 방법으로, 개념설계 단계에 주로 사용된다. 최근 더욱 신속하게 위상을 구할 수 있는 심층학습 기반 위상 최적화 방법에 관한 다양한 연구가 진행 중이다. 기존 심층학습 기반 위상 최적화 방법을 이용할 때 큰 컴플라이언스 오차를 유발하는 구조적 절단 문제가 발생한다. 본 학위 논문은 심층학습 기반 위상 최적화 방법에서 생기는 구조적 절단 문제를 개선하기 위한 두 가지 방법을 제안한다. 첫 번째 제안 방법은 위상 필터로, 학습 시 주위 요소들의 영향을 균일하게 만들어 연결성을 좋게 만든다. 두 번째 제안 방법은 물리 기반 손실 함수를 이용한 물리 정보 신경망으로, 위상 최적화의 목적함수인 컴플라이언스를 이용하여 심층학습을 진행한다. 제안된 방법을 통해 구조적 절단 문제와 컴플라이언스 오차를 줄일 수 있으며, 제안된 방법론은 위상 최적화의 수치 예제를 사용하여 검증되었다. | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | 구조 최적화▼a위상 최적화▼a심층학습▼a물리 정보 신경망 | - |
dc.subject | structural optimization▼atopology optimization▼adeep learning▼aphysics informed neural network | - |
dc.title | 심층학습 기반 위상 최적화 방법의 구조적 절단 문제를 개선하기 위한 물리 기반 합성곱 신경망 | - |
dc.title.alternative | Physics-informed convolutional neural network to mitigate structural disconnection in deep learning-based topology optimization | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :기계공학과, | - |
dc.contributor.alternativeauthor | Lee, Geon Woo | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.