Fosters ARD의 복합재료 AI 연구

원하는 변형의 복합재료 형태로부터 역으로 초기 복합재료의 형태를 설계하는 방식으로의 시스템 활용.  © Foster + Partners / Autodesk

Fosters+Partners의 ARD 팀이 수행한 복합재료 변형 연구이다. 2017년 Autodesk사와의 협력 연구이다. 건축에서 생태모방공학적 적용이 가능하도록 하는 연구이다. 즉, 외부 기계적 힘에 의한 것이 아닌, 유기체적으로 온도와 빛, 습도 등의 물리적 환경에 대한 변형에 관한 연구이다. 복합소재가 주변 물리적 환경의 변화에 따라 팽창률과 수축률 차이에 의하여 그 형태가 변화하며, 이 변화를 이해하고 활용하기 위한 연구이다. 복합재의 형태학적 변형이 주된 관심사이며, 복합소재를 원하는 방식으로 제어를 하기 위한 연구이다.

 

문제는 복합소재들의 변형은 외부 조건에 비선형적 변화를 한다는 것이다. 다양한 다층 복합소재의 변형을 시뮬레이션 한다는 것은 많은 시간의 계산을 필요로 한다. 즉시적 변형에 대한 예측을 하기 위한 빠른 방법으로, 기계학습을 사용하는 모델 구축에 관한 연구이다.

   

우선 시스템 학습을 위하여 우선 합성 데이터 세트의 작성이 필요하였다. 수백 개의 다른 합성재를 만들고, 이들의 변형을 예측하는 시뮬레이션 모델을 만들었다. 이 모델을 이용하여, 재료별 변형에 관한 데이터 세트를 만들었다. 이 데이터를 이용하여 서로 경쟁하는 두 개 인공 신경망 학습에 사용하였다. 즉, GAN(Generative Adversarial Network) 학습 모델을 사용하고 있다. 

왼쪽 열의 이미지는 초기 상태의 복합 재료가 아래의 회색 이미지 데이터로 입력된다.  오른쪽 열의 이미지는 비선형 구조분석에 의한 변형된 상태와 이에 대한 깊이를 반영한 데이터 맵으로 입력된다. 색상은 복합재의 각 부분이 얼마나 변형 정도를 나타낸다.  © Foster + Partners / Autodesk

하나의 학습 신경망은 이들 데이터 세트를 이용하여 학습을 진행하고, 그 학습에 의한 결과를 다른 학습 신경망에 보낸다. 후자의 신경망을 이를 평가하고 이를 전자의 학습 신경망의 학습 개선에 사용할 수 있도록 피드백 한다. 이 순환적이며 적대적 과정을 통하여 학습이 진행되며, 결국, 두 학습 신경망의 개선이 이루어질 수 없는 상태에 이르게 된다. 

복합재료 변형 패턴을 예측하기 위한 패턴 학습. 왼쪽 열은 시스템에 제공된 변형 조건들이며,  맨 오른쪽 열은 변형 상태를 보여준다. 그 사이는 변형의 진행 과정을 보여준다. © Foster + Partners / Autodesk

 

이와 같은 과정을 거친 학습 이후, 시스템은 원하는 변형을 만들어 낼 수 복합설계 소재 설계에 이용하고 있다. 현재 변형 상태를 만들기 위한 복합소재를 선택하는 방식이 아닌, 원하는 변형 상태를 설계하고, 이를 실현하기 위한 복합소재를 설계하는 방식으로 사용되고 있다.

 

참고 논문 첨부: Design of thermally deformable laminates using machine learning

Abdel-Rahman Amira, Kosicki Marcin, Michalatos Panaiotas et al. - 2019 - Design of thermally deformable laminates using machine learning.pdf

0.28MB