친환경적이며 재활용된 섬유질 음향 재료는 사운드 패키지의 내부 공간을 위한 핵심 해결책으로 부상하고 있다. 이러한 재료를 목표 음향 성능에 맞게 최적화하기 위해서는 미세구조 매개변수를 고려하는 예측 모델이 필요하다. 그러나 기존 접근법은 종종 불균질성과 이방성을 간과하고, 균질한 가정에 의존하며 매개변수 선택 또한 일관되지 않다. 본 연구는 이방성 매개변수 분포를 활용하는 딥러닝 모델을 제안하여, 계산 비용을 크게 줄이면서도 음향 성능을 예측할 수 있음을 보인다. PET 펠트의 단면은 마이크로 전산단층촬영(micro-computed tomography, micro-CT)을 통해 분석하여 이방성 매개변수 분포를 추출하였고, 이를 모델 학습에 사용하였다. 제안된 프레임워크는 기존의 균질 모델에 비해 우수한 예측 성능을 나타냈다. 대규모 데이터셋을 처리하고 계산 시간을 줄이는 효율성 덕분에 섬유질 음향 재료의 최적화 및 설계에 매우 효과적이다. 음향 거동에 영향을 미치는 핵심 구조 매개변수를 규명함으로써, 이 모델은 데이터 기반 최적화와 맞춤형 설계를 가능하게 한다. 또한 본 연구는 다양한 섬유질 재료로의 확장과, 다목적 최적화를 가능하게 하는 구조 설계 이미지 생성으로까지 나아가 실용적 응용을 위한 기반을 마련한다. 음향 성능뿐만 아니라 비용 및 지속가능성과 같은 제약을 통합함으로써, 이러한 모델은 설계와 기능을 연결하는 현실 세계의 응용 가능성을 열어준다.

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