지진 하 구조 응답 예측과 실패모드 학습

Seismic response prediction and failure-mode learning for structural systems

연구 내용

neural operator 및 신경망 기반 학습으로 지진 시계열 응답과 실패모드를 예측하는 연구

지진 위험평가에서 성능지표를 직접 산정하기 위한 전처리-학습-예측 파이프라인을 구축하는 연구를 수행합니다. 지진 하 구조 시스템의 trajectory-level 응답을 효율적으로 예측하기 위해 simplified physics-based model과 neural operator를 조합하여 연산자 학습을 적용합니다. 또한 실패모드 예측을 위해 지진 위험 하 데이터셋을 균형 있게 구성하는 방법을 통해 학습 편향을 완화하고, 구조 시스템의 비선형 거동과 hazard 조건에 따른 범주 불균형 문제를 다룹니다. 이를 통해 고비용 동적해석의 대체 예측 모델로 활용 가능한 성능을 확보합니다.

관련 프로젝트

0건

연구 흐름

2025년에는 지진 위험 하 구조 시스템의 실패모드를 예측하기 위해 balanced datasets 구성 전략을 제시하며, 입력 조건과 출력 범주 간 불균형을 고려한 학습 체계를 마련했습니다. 같은 해 trajectory-level 지진 응답 예측에서는 simplified physics 기반 모델과 neural operator를 결합해 시계열 예측에 적합한 표현 학습을 수행하는 연구로 확장했습니다. 이후에는 두 접근을 결합하여 실패모드 분류 모델과 응답 예측 모델 간 정합성을 강화하고, 불확실성 기반 위험평가와의 연계 가능성을 검토하는 방향으로 발전시키고 있습니다.

활용 가능성

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

trajectory-level 지진 응답 예측
실패모드 분류
학습 데이터 균형화
physics 기반 전처리
neural operator 기반 예측
신경망 대체모델
동적해석 가속
지진 시나리오 대응 예측
위험평가용 입력 생성
성능지표 기반 분류