정경재 연구실
성균관대학교 신소재공학과
정경재 교수
Indentation plastometry
Finite element–deep learning
Artificial neural network
정경재 교수 연구실
홈
정경재 연구실
성균관대학교 신소재공학과 정경재 교수
정경재 연구실은 금속 재료에서 압흔 인덴테이션 실험과 유한요소 해석을 기반으로 소성 거동 및 항복/경화 파라미터를 역추정하는 데이터 기반 모델링을 수행합니다. 동시에 전류 또는 전기 보조 조건에서 재결정, 확산, 계면 반응이 미세조직을 어떻게 형성하는지 분석하여 접합부 강도와 변형 특성을 연계하는 연구를 진행합니다. 또한 결정립계 주변 열활성 변형 메커니즘을 원자 수준부터 거시 수준까지 연결하는 다중스케일 예측 프레임워크를 개발합니다.
Indentation plastometryFinite element–deep learningArtificial neural networkConvolutional neural networkAnisotropic yield function
대표 연구 분야
연구 영역 전체보기
인덴테이션-기반 소성/유동 역추정(딥러닝·유한요소) 연구
Indentation-informed plastometry and tensile-flow prediction using FE and deep learning
연구 분야 상세보기
인덴테이션-기반 소성/유동 역추정(딥러닝·유한요소) 연구
Indentation-informed plastometry and tensile-flow prediction using FE and deep learning
연구 분야 상세보기
전기/열-보조 금속 가공·접합에서 조직 제어 연구
Electric-current assisted processing and joining for microstructure control
연구 분야 상세보기
입자계면(이동 경계) 기반 열활성 소성 거동의 다중스케일 예측 연구
Thermally activated migrating boundary-induced plasticity across atomistic-to-macroscopic scales
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
5개년 연도별 논문 게재 수
22총합
5개년 연도별 피인용 수
478총합
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 0
·
2026Indentation-informed convolutional neural network for simultaneous prediction of non-equibiaxial residual stress and plastic flow
Minwoo Park, Deunbom Chung, Wanchuck Woo, S. H. Oh, Kyeongjae Jeong, Heung Nam Han
IF 12.8 (2026)
International Journal of Plasticity
https://doi.org/10.1016/j.ijplas.2025.104606
Indentation
Residual stress
Residual
Plasticity
Sensitivity (control systems)
Convolutional neural network
Finite element method
Penetration depth
Artificial neural network
2
Article
|
·
인용수 0
·
2025Thermally activated migrating boundary-induced plasticity: Mechanistic and predictive framework across atomistic-to-macroscopic scales
Simoon Sung, Dongin Choi, Kyeongjae Jeong, Heung Nam Han
IF 9.3 (2025)
Acta Materialia
https://doi.org/10.1016/j.actamat.2025.121806
Crystallite
Grain boundary
Creep
Vacancy defect
Activation energy
Dislocation
Plasticity
Diffusion
Deformation mechanism
3
Article
|
·
인용수 17
·
2023Parameter determination of anisotropic yield function using neural network-based indentation plastometry
Kyeongjae Jeong, Kyungyul Lee, Dongil Kwon, Myoung‐Gyu Lee, Heung Nam Han
IF 7.1 (2023)
International Journal of Mechanical Sciences
https://doi.org/10.1016/j.ijmecsci.2023.108776
Indentation
Materials science
Artificial neural network
Anisotropy
Structural engineering
Formability
Yield (engineering)
Ultimate tensile strength
Tensile testing
Hardening (computing)
최신 정부 과제
3
과제 전체보기
1
2025년 5월-2028년 2월
|304,060,000원핵심(후속) : MEMS 센서 핵심 연구 지원센터
- 핵심연구지원시설 유지관리, 연구인력/전담인력 연구역량강화 및 공동장비활용/공동연구 수익금을 통한 센터 자립화- 대내외 기관에 대한 공정서비스 극대화, 동종 연구자와의 네트워크 체계 구축/활용을 통한 공동연구 활성화- 당 센터의 플랫폼 활용으로 국내 MEMS 센서 기업의 기술경쟁력 향상- 과제개발 목표(3년 누적) 1. 노후장비 이전교체 15점 2. 전담...
센서
MEMS 센서
반도체공정
미세구조분석
패키징공정
2
2025년 5월-2028년 5월
|500,000,000원맥신 플랫폼 구조를 이용한 이차원 반도체 및 자성체 개발 기초 연구실
열역학/재료공학, 화학공정공학, 반도체소자공학 전문가들의 다학재간 집단협력연구 시스템을 구축하여, 맥신 구조 (Mn+1XnTx) 플랫폼을 이용한 이차원 반도체 및 자성체 제조 및 이종원소 도핑 원천 소재 기술 및 반도체 소자 응용 기술들을 개발하고자함.
맥신
2차원 반도체
2차원 자성체
밴드갭 엔지니어링
열역학계산
3
주관|
2023년 2월-2028년 2월
|693,750,000원첨단산업 인재양성 부트캠프사업-단국대학교
본 과제는 반도체 소재･공정･설계 첨단분야에 대한 실무형 현장 인재를 양성하는 교육 사업임. 현업 친화적 몰입형 교육을 중심으로 산･학･관･연 협력 체제를 구축함.
연구 목표는 ｢반도체 소재･공정･설계 첨단분야 융합인재 양성｣ 달성에 있음. 핵심 연구 내용은 소재･공정/소자･설계 유관 산업체 컨소시엄 참여 산학협력 교육과정, TA·I-campus·Virtual Classroom·재료비 등 교육 인프라 구축, 소재･공정/소자･설계 특화 트랙 운영, 학사제도 개방과 성과관리·성과관리를 위한 취업·창업 연계임. 기대 효과는 반도체 핵심 인재의 취업·창업 및 현장 실무 역량 강화로 이어짐.
반도체소재
반도체공정
반도체소자
반도체설계
교육