복잡한 구조물 내의 응력 분포를 정확하게 포착하는 것은 특히 고응력 환경에서 신뢰성과 성능을 위해 매우 중요하다. 전통적인 유한 요소 해석 방법은 고정밀 응력장을 얻기 위해 촘촘한 메쉬가 필요하며, 이는 계산 비용이 높고 시간이 많이 소요된다. 본 논문은 거친 전역 요소에서의 전역 변위 값과 미세한 국소 요소에서의 국소 von Mises 응력 간의 매핑을 학습하는 새로운 신경망 기반 접근법을 제시한다. 전역 변위장과 국소 응력장 쌍으로 구성된 데이터셋으로 신경망을 학습함으로써, 본 방법은 거칠게 구분된 입력으로부터 고해상도 응력 분포를 효과적으로 예측한다. 이 접근법은 촘촘한 메쉬 유한 요소 해석과 관련된 계산 부담을 크게 줄여, 실시간 시뮬레이션과 최적화를 가능하게 한다. 제안된 방법은 국소 응력장을 정확하게 예측하면서도 계산 효율성을 유지할 수 있음을 보여주는 시험 결과를 통해 검증되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.