In this work, we propose a method that employs deep learning, an artificial intelligence technique, to generate stiffness matrices of finite elements. The first proposed method is to generate a stiffness matrix by training the strain from the reference data model. The elements generated using the first method practically pass the patch tests and the zero energy mode tests. The second proposed method is to generate a stiffness matrix through an analytical strain and setting the local coordinates using deep learning. The elements generated using the second method pass the patch test and zero energy mode test. Through various numerical examples, the performance of the developed elements is investigated and compared with those of existing elements. It was confirmed that the deep learned finite elements can potentially outperform existing finite elements.
본 연구에서는 인공지능 기법의 하나인 딥러닝(deep learning)을 이용하여 유한요소의 강성행렬을 생성하는 방법을 제안한다. 첫번째로 제안된 방법은 참조 데이터 모델(reference data model)에서 변형률(strain)을 학습하여 강성행렬을 생성하는 방법이다. 본 방법으로 개발된 요소는 조각 시험(patch test)과 영에너지모드 시험(zero energy mode test)을 실용적 수준에서 통과한다. 두번째로 제안된 방법은 분석해와 딥러닝을 이용한 국부좌표 설정으로 강성행렬을 생성하는 방법이다. 본 방법으로 개발된 유한요소는 조각 시험(patch test)과 영에너지모드 시험(zero energy mode test)을 통과한다. 다양한 수치 예제를 통해, 개발된 요소들의 성능을 조사하고 기존 요소와 비교한다. 이를 통해 개발된 유한요소가 기존요소의 성능을 뛰어넘을 수 있음을 확인하였다.
