홍원기 연구실은 인공지능(AI)과 인공신경망(ANN)을 활용한 구조설계 최적화 분야에서 선도적인 연구를 수행하고 있습니다. 기존의 구조설계는 복잡한 수치해석과 반복적인 계산 과정을 필요로 했으나, 본 연구실에서는 대규모 빅데이터와 AI 기반 신경망 네트워크를 결합하여 구조물의 최적 설계를 빠르고 정확하게 도출하는 방법론을 개발하였습니다. 특히 Hong-Lagrange 알고리즘과 ANN을 융합한 다목적 최적화(Multi-Objective Optimization) 기법을 통해 비용, 중량, CO2 배출량, 에너지 소비 등 다양한 설계 목표를 동시에 만족시키는 구조설계가 가능합니다. 이러한 연구는 프리텐션 콘크리트 빔, 철근콘크리트 기둥, 복합구조 프레임 등 다양한 구조 시스템에 적용되고 있습니다. ANN 기반의 최적화는 기존의 해석적 접근법으로는 어려웠던 복잡한 제약조건과 다수의 설계변수를 효과적으로 처리할 수 있으며, 실제 설계 코드와 연계하여 실무 적용성을 높이고 있습니다. 실험적 검증과 수치해석을 통해 ANN 기반 설계가 기존의 경험적 설계보다 높은 효율성과 신뢰성을 보임을 입증하였습니다. 이 연구는 구조공학 분야에서 인공지능의 실질적 활용 가능성을 제시하며, 구조설계의 자동화와 고도화를 이끌고 있습니다. 앞으로는 더욱 다양한 구조물 유형과 복합 하중 조건에 대한 AI 기반 최적화 연구가 확대될 전망이며, 친환경적이고 경제적인 건축물 설계에 크게 기여할 것으로 기대됩니다.

본 연구실은 철골-콘크리트 복합구조(SRC, RC, PC) 및 프리캐스트 구조 시스템의 개발과 성능 평가에 중점을 두고 있습니다. 복합구조는 철골과 콘크리트의 장점을 결합하여 구조적 강도와 시공 효율성을 동시에 확보할 수 있는 시스템으로, 고층빌딩, 산업 플랜트, 모듈러 건축 등 다양한 분야에 적용되고 있습니다. 연구실에서는 하이브리드 프리캐스트 프레임, 기계식/건식 접합 방식, 셀프포지셔닝 조인트 등 혁신적인 구조 시스템을 개발하여 시공 기간 단축, 공사비 절감, 내진성능 향상 등 실질적인 효과를 달성하고 있습니다. 특히, 프리캐스트 구조물의 접합부 설계와 성능 검증에 대한 연구가 활발히 이루어지고 있습니다. 실험 및 비선형 유한요소해석을 통해 접합부의 강도, 연성, 내진성능을 정량적으로 평가하고, 다양한 접합 방식(플레이트, 볼트, 커플러 등)의 구조적 거동을 분석합니다. 또한, 카본섬유, FRP, 하이브리드 소재 등 신소재를 활용한 구조부재의 성능 개선 연구도 병행하고 있습니다. 이러한 연구 성과는 국내외 특허 등록, 산업체 기술이전, 표준화 활동 등으로 이어지고 있으며, 실제 건설 현장에 적용되어 구조물의 품질과 안전성을 크게 향상시키고 있습니다. 앞으로도 지속적인 신공법 개발과 실증 연구를 통해 미래형 친환경·고성능 건축 구조 시스템의 구현에 앞장설 계획입니다.