확률모델 기반 재료 설계 예측 및 시계열 추론

Probabilistic Modeling for Materials Design Prediction and Scalable Time-Series Inference

연구 내용

가우시안 프로세스 기반 베이지안 최적화와 대규모 시계열 추론 기법을 결합해 재료 구조 성능을 예측하고 설계 탐색을 지원하는 연구

복합재 구조 설계에서 실험·시뮬레이션 비용을 줄이기 위해 가우시안 프로세스 회귀 기반 베이지안 최적화를 활용합니다. 특정 구조 파라미터를 입력으로 하여 강인도·거동과 같은 목표 성능을 예측하고, 탐색 효율을 높이기 위한 확률적 후속 분포 학습을 수행합니다. 또한 시간축에서 관측되는 복합 신호를 위해 가우시안 프로세스 방출을 갖는 하이브리드 베이지안 HMM을 구축하고, Random Fourier Feature와 stochastic variational inference로 대규모 시계열에 대해 학습 가능한 추론 절차를 제공합니다. 특허는 복합재 유효 거동을 활용한 예측 모델 전이 학습 개념을 포함하며, 설계-해석-예측의 연결을 강화합니다.

관련 프로젝트

1건

연구 흐름

재료 설계에서는 2022년 가우시안 프로세스 회귀와 베이지안 최적화를 통해 복합재 적층·구조 파라미터-성능 관계를 모델링하는 연구를 수행했습니다. 동시에 시계열 데이터의 확률적 생성 구조를 다루기 위해 2022년에 가우시안 프로세스 방출 기반 하이브리드 베이지안 HMM의 대규모 학습·추론 방법을 제안했습니다. 2022년 출원의 복합재 유효 거동 예측 관련 특허를 통해 모델 전이 학습의 방향을 구체화했습니다. 이후 2025년에는 AI 기반 설계-제조 통합 연구단 과제를 통해 예측 모델을 설계 공정과 연계하는 연구로 확장하는 흐름을 보였습니다.

활용 가능성

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

복합재 유효 거동 예측
재료 구조 파라미터 최적화
가우시안 프로세스 기반 설계 탐색
대규모 시계열 추론
하이브리드 베이지안 HMM 학습
Random Fourier Feature 기반 근사
확률모델 기반 진단 로직
설계-해석-예측 파이프라인 구축
설계 데이터 기반 전이 학습
재료 성능 예측 모델 자동화