• 다목적 베이지안 최적화(MBO)를 사용하여 음(negative) 포아송비(NPR)와 저주기 피로(LCF) 수명을 향상시켰다. • 베지에 곡선 기반 설계, 탄소성( elastoplastic ) 균질화, 임계거리 이론이 정밀한 오그제틱(auxetic) 메타물질 개발을 가능하게 했다. • 실험적 검증을 통해 최적화된 설계의 신뢰성이 확인되었으며, 기계적 성능이 향상되었다. • 에너지 수확 효율이 유의미하게 개선되어 다양한 응용 가능성을 보여주었다. • 제안된 데이터 기반 프레임워크는 오그제틱 메타물질 최적화에 적용 가능하며, 확장성(scalability) 잠재력을 지닌다. 음의 포아송비(NPR)를 갖는 오그제틱 메타물질(AM)은 유망한 기계적 특성을 제공하지만, 종종 심각한 응력 집중을 동반하여 내구성과 피로 수명을 저하시킨다. 위상 최적화와 같은 기존 설계 접근법과 경험적 기하 기반 방법은 복잡한 설계 공간을 탐색하는 데 어려움이 있으며, 데이터 기반 기법은 방대한 데이터셋을 요구하여 피로 수명 예측을 위한 계산 비용이 높아진다. 이러한 문제를 해결하기 위해, 본 연구는 베지에 곡선 기반 기하 파라미터화, 다목적 베이지안 최적화(MBO), 그리고 탄소성 균질화와 임계거리 이론을 통한 피로 수명 예측을 통합하는 새로운 프레임워크를 제안한다. 이 접근법은 설계 공간을 체계적으로 탐색하면서, 국소 응력 집중을 완화하는 동시에 NPR을 향상시키고 피로 내성을 최적화한다. MBO는 제한된 데이터로도 탐색과 활용을 효율적으로 균형 있게 조절하며, 특히 계산적으로 집약적인 피로 해석에 적합하다. 최적화된 AM 구조는 초기 설계에 비해 NPR이 85.11% 증가하고 저주기 피로(LCF) 수명이 12.07% 향상되는 결과를 보였다. 실험적 검증에서는 LCF 수명이 최대 30배, NPR은 기존 AM 구조 대비 2.5배 증가함이 확인되었다. 이러한 결과는 AM 설계를 위한 확장 가능한 방법론을 확립함으로써, 생의학, 항공우주, 에너지 수확 분야에서의 내구성 높은 고성능 메타물질 개발을 진전시킨다.

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