Recently, various studies have been conducted to predict mechanical properties through machine learning. Mechanical properties include a Poisson’s ratio, Stiffness Tensor and a Bandgap, etc. These properties have different values depending on the 2-dimensional shape. Accordingly, many studies have compared the changes in parameter values of specific shapes. However, there is a limitation that the design area is limited because this only considers specific shapes. This research designed a machine learning model that predicts the stiffness tensor components and volume fraction of a various shape in consideration of the fact that the stiffness tensor components, one of the mechanical properties, vary depending on the 2-dimensional shape. In addition, an application study using its model aims to optimize the patterning shape that lowers the value of bending stiffness to torsion stiffness, a mechanical performance to solve the snapping problem that is a chronic problem considered when using medical concentric tubes. For optimization, both big data-based optimization and small data-based optimization are performed to compare the performance of each optimization.
최근 머신러닝을 통해 기계적 특성을 예측하는 다양한 연구들이 진행되어 오고 있다. 기계적 특성에는 푸아송 비, 강성 텐서, 밴드갭 등이 있다. 이러한 특성들은 2차원 형상에 따라서 각자 다른 값을 지니게 된다. 이에 따라 많은 연구들은 특정 형상의 파라미터 값들을 변화시켜가며 그 값들의 변화를 비교해 왔다. 하지만 이는 특정 형상에 대한 것만 고려하기 때문에 설계 영역이 제한적이라는 한계가 존재한다. 본 연구에서는 2차원 형상에 따라서 달라지는 탄성 특성 중 강성 텐서 성분들을 고려하여 다양한 형상에 대한 강성 값과 그 형상의 부피 분율을 예측하는 머신러닝 모델을 구축하고자 한다. 또한, 이의 모델을 활용하는 응용연구로 의료용 동심원관 사용 시 고려되는 고질적 문제 중 하나인 스냅핑 문제를 해결할 기계적 성능인 비틀림 강성 분의 굽힘 강성의 값을 낮추기 위해 새기는 동심원관 표면 패턴닝 형상을 최적화 하고자 한다. 최적화는 빅데이터 기반의 최적화와 스몰데이터 기반 최적화를 모두 수행하여 각 최적화의 성능도 비교하고자 한다.
