Generative Design of Microlattice Structures with Desired Mechanical Properties ; 머신러닝을 이용한 원하는 기계적 특성을 가지는 미세격자 구조물의 생성 및 설계

학위논문(석사) -- 서울대학교대학원 : 공과대학 기계공학부, 2024. 2. Howon Lee. ; 최근 많은 연구가 이루어지고 있는 머신 러닝 알고리즘은 다양한 특성을 가지는 기계적 메타물질을 설계하는 데 많이 사용되고 있다. 본 연구에서는 변분 오토인코더(VAE)를 사용하여 원하는 기계적 특성을 가지는 기계적 메타물질을 이루고 있는 미세 격자 구조를 생성한다. 우선, 복셀 크기와 strut 두께와 같은 설계 변수를 조작하여 켈빈 폼이나 옥텟트러스와 같은 각 10,000개의 포인트 클라우드 데이터로 구성된 데이터셋을 생성한다. 그리고 유한 요소 방법(FEM)을 사용하여 각 구조의 강성 행렬을 계산하고 데이터셋은 효과적인 모델 훈련 및 평가를 위해 8:1:1의 비율로 훈련, 검증 및 테스트 세트로 분할된다. 변분 오토인코더 훈련 중에, 유사한 특성을 가진 데이터들끼리 잠재 공간에서 가깝게 위치하도록 하는 대조적 손실(contrastive loss)가 추가적으로 사용되고 회귀 모델(regressor)은 특성을 예측하여, 복잡한 FEM을 사용하지 않고도 빠른 계산이 가능하도록 한다. 잠재 공간에서, 우리는 기존 데이터 사이를 선형 보간하여 원하는 특성을 가진 새로운 데이터를 생성한다. 이 새로운 포인트클라우드 데이터로부터 3D 구조를 형성하기 위해 표면 재구성을 거치고 추가적으로 3D 프린팅을 통해 실제로 출력되고 기계적 테스트를 통해 검증될 수 있다. 현재 학습은 기본 변분 오토인코더에 의존하며 주로 구조 재구성에 중점을 두고 있지만, 향후에서는 더 개선된 모델을 탐색하고 다양한 응용 분야에 맞게 맞춤화된 다기능 미세 격자 구조를 설계하기 위해 기계적 특성을 넘어서는 특성 영역을 확장할 수 있다. ; Machine learning algorithms are increasingly used for designing architected materials with extreme properties. In this study, we employ the variational autoencoders (VAE) to generate microlattice structures with desired mechanical properties. We create unique datasets comprising 10,000 point cloud samples representing various 3D unit cell topologies such as kelvin foam and octet-truss by manipulating design parameters such as voxel size and strut thickness. The stiffness matrices for the given structures are calculated using Finite Element Method (FEM). The datasets are split into training, validation, and test sets at a ratio of 8 : 1 : 1, ensuring a robust dataset for effective model training and evaluation. During VAE training, a contrastive loss term ensures that unit cell designs with similar properties cluster closely in the latent space. The regressor then predicts the properties, enabling rapid calculation and consequently reducing the computational time typically required by complex FEM processes. In the latent space, we then generate new data with the desired mechanical property by interpolating existing data. These new data could be subjected to surface ...