삭제

제1항에서,상기 제1 복합재 정보 및 상기 제2 복합재 정보는, 상기 예측 모델의 입력에 맞는 입력 벡터로 생성되는, 동작 방법.

제1항에서,상기 복합재 변수들은 물성치, 형상 특성, 그리고 강화체 부피 분율을 포함하는, 동작 방법.

적어도 하나의 프로세서에 의해 구동되는 컴퓨팅 장치의 동작 방법으로서,적어도 하나의 균질화법을 통해 계산된 제1 복합재 유효 거동을 획득하는 단계,복합재 변수들로 구성된 제1 복합재 정보와 상기 제1 복합재 유효 거동을 포함하는 제1 학습 데이터를 생성하는 단계,상기 제1 학습 데이터를 이용하여, 입력된 복합재 정보에 대해 정답값인 복합재 유효 거동을 예측하는 예측 모델을 초기 학습시키는 단계, 그리고시뮬레이션 해석 및/또는 실험을 통해 특정 작업(task)에 대한 제2 복합재 유효 거동을 획득하는 단계, 복합재 변수들로 구성된 제2 복합재 정보와 상기 제2 복합재 유효 거동을 포함하는 제2 학습 데이터를 생성하는 단계, 그리고상기 제2 학습 데이터를 이용하여, 초기 학습된 상기 예측 모델을 전이 학습시키는 단계를 포함하고,상기 제2 학습 데이터는 상기 제1 학습 데이터보다 데이터량은 적지만 정확한 복합재 유효 거동을 정답값으로 갖는 데이터인, 동작 방법.

삭제

제1항에서,상기 전이 학습시키는 단계는상기 특정 작업에 대한 복합재 유효 거동을 이용하여, 초기 학습된 상기 예측 모델을 상기 특정 작업에 전문화된 예측 모델로 전이 학습시키는, 동작 방법.

삭제

제7항에서,상기 복합재 변수들은강화체 탄성계수(Young’s modulus), 강화체 푸아송 비(poisson’s ratio), 강화체종횡비(aspect ratio, AR), 강화체 부피 분율, 기지(matrix) 탄성계수, 기지 푸아송 비, 항복 응력(yield stress), 경화 계수(hardening modulus), 그리고 경화 지수(hardening exponent) 중 적어도 일부를 포함하는, 동작 방법.

제8항에서,상기 입력 벡터는상기 기지 푸아송 비, 상기 기지 탄성계수에 대한 상기 항복 응력의 비율, 상기 기지 탄성계수에 대한 상기 경화 계수의 비율, 상기 경화 지수, 상기 기지 탄성계수에 대한 상기 강화체 탄성계수의 비율, 상기 강화체 푸아송 비, 상기 강화체 종횡비, 그리고 상기 강화체 부피 분율로 구성되는, 동작 방법.

제1항에서,상기 제1 복합재 유효 거동 및 상기 제2 복합재 유효 거동은 주성분 분석(principal component analysis, PCA)을 통해 벡터로 압축된 후, 상기 예측 모델의 학습에 사용되는, 동작 방법.