For the last decade, biomimicry has been a good reference to design a system such as high toughness-high strength materials and reversible-versatile adhesive surface. However, the nature-inspired systems have definite limitation because the structures in nature are mimicked based on intuition and domain expertise within the limitation of fabrication, and the structures are designed considering various factors such as survivability in nature. Thus, the structures differ from the optimal structures that are required in practical applications, and there is mismatch between the industrial requirement and the nature-inspired design. Accordingly, in this dissertation, we analyzed the limitation of nature-inspired system such as nacre-inspired composite, gecko-inspired adhesive pillar, and present the optimal design beyond the existing nature-inspired system through machine learning and simulation-based theoretical analysis. Furthermore, for the designs having superior properties, we present machine-learning based design framework, and validate it through grid composite optimization problem.
자연에 존재하는 다양한 구조물들은 고인성-고강도 물질이나 반복 접착 표면과 같은 여러 시스템을 설계하는데 있어 좋은 참조가 되었으나, 이러한 구조를 모사한 자연 모사 시스템의 경우 실제 제작의 한계를 고려하고 직관과 배경 지식에 기반한 단순화와 함께 구조물을 모사하기 때문에 실제 적용에서 요구되거나 활용가능한 최적의 구조와는 상이한 형태를 가집니다. 본 학위논문에서는 대표적인 자연 모사 구조물인 진주층 모사 복합재와 게코 도마뱀 발바닥면 모사 접착기둥의 한계점을 분석하고 시뮬레이션에 기반하여 머신러닝을 통한 최적 설계를 통해 기존의 모사 시스템을 넘어선 최적의 디자인을 제시합니다. 또한, 이러한 기존에 존재하지 않던 우수한 성질을 가지는 시스템을 설계하기 위한 체계적인 머신 러닝 기반의 디자인 프레임워크 디자인 방법을 제시하고, 이를 복합재 최적화 문제를 통해 검증하였습니다.
