물리 제약 학습과 데이터 복원 기반 비선형 모델링 및 스마트 액추에이터

Physics-informed learning and data reconstruction for nonlinear modeling and smart actuator systems

연구 내용

비선형 Poisson-Boltzmann 해석에서 physics-informed neural network를 활용해 오차를 분석하고, slice 데이터 복원 및 피부 부착형 stretchable actuator 성능을 함께 다루는 연구

비선형 시스템을 대상으로 physics-informed neural network 기반 접근을 사용해 nonlinear Poisson-Boltzmann equation을 근사하고, 해석 결과의 error analysis를 포함한 검증 절차를 수행합니다. 동시에 slice data로부터 constrained bilateral smoothing과 dynamic mode decomposition을 활용해 2D·3D image reconstruction을 수행하여 관측 데이터의 불완전성을 보완합니다. 이 계산 및 데이터 처리 역량은 인간-기계 인터페이스용 전자피부에 적용되어, intrinsically stretchable skin-adhesive actuator의 multiphase microarchitecture와 전극 percolation 구조, 접착성 설계를 통해 극한 변형에서도 진동 전달 성능을 유지하도록 연구합니다. 또한 디지털 표현형 기반 중독 모니터링과 조기 중재 시스템 개발을 병행합니다.

관련 프로젝트

1건

연구 흐름

초기에는 관측 기반 복원 문제에서 smoothing과 dynamic mode decomposition을 결합한 slice 데이터 기반 2D·3D reconstruction 방법을 정립했습니다. 이후 2024년에는 비선형 Poisson-Boltzmann 방정식에 physics-informed neural network를 적용하고, 오차 분석을 포함한 수치적 타당성 검증으로 확장했습니다. 2022년부터 이어진 데이터 처리 역량은 2025년에는 intrinsically stretchable skin-adhesive actuator 설계와 연결되어, 극한 변형에서의 성능 유지 요인을 구조적 관점에서 정리하는 흐름으로 이어지고 있습니다. 병행하여 2022년 시작 과제를 통해 디지털 표현형 기반 중독 모니터링 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

비선형 Poisson-Boltzmann 기반 전기적 거동 예측
physics-informed neural network 오차 분석 프레임워크
slice data 기반 3D 복원 파이프라인
constrained smoothing 기반 복원 안정화
dynamic mode decomposition 기반 동적 성분 추출
디지털 표현형 기반 중독 모니터링
조기 중재 의사결정 모델링
피부 부착형 전자피부 진동 피드백 평가
intrinsically stretchable actuator 구조 설계
연성 로봇 및 인간-기계 인터페이스 적용