Deep Learning의 CAD/CAE 적용예 소개
동국대학교 한성곤 교수
설계최적화는 설계자들의 오랜 꿈이며 지속적인 추구의 대상입니다.
여러 방법들이 개발되어 왔으며 그 중 Topology optimization은 CAE와 연관되어 다양한 형태의 설계안을 제공하는 면에서 놀라운 성능을 보입니다.
하지만 Topology Optimization을 이용하여 주어지는 제약조건에 대해 다양한 최적설계안을 구하는 것에는 많은 비용이 요구됩니다.
Deep Neural Network들 중 Generative Network Model은 이러한 고비용의 어려움을 극복하여 다양한 설계안을 찾아내는 데 혁신적으로 사용됩니다.
또한 설계초기에 정해지는 제약조건을 만족시키는 놀라운 성능을 보입니다.
Deep Neural Network은 설계안의 생성목적에 사용될 뿐 아니라, 주어진 설계안들의 특성들을 이용하여
엔지니어링 성능(응력, 변형, 고유진동주기 등)을 학습시킬 수 있습니다.
이는 준비된 많은 양의 설계안에 대해 필요한 해석수행의 부담을 현저히 저하시킵니다.
본 발표에서는 지금까지 시도된 Deep Neural Network을 이용하여 수행된 설계 및 해석의 주요 예를 소개하며 각각에 사용된 방법들을 소개합니다.
#인공지능 #CAD #CAE
영상 및 E-Book 자료를 확인하실 수 있습니다.