cs.CE · 발표 2026-04-04임팩트
실시간 고정밀 위상 최적화를 위한 물리학 기반 트랜스포머
Aaron Lutheran, Srijan Das, Alireza Tabarraei
인용 1매칭: physics-informed, structural, finite element, stress, topology optimization, mechanical, relevance:0.90
- 위상 최적화는 반복적인 유한요소 해석으로 인해 실시간 적용 및 대규모 설계 탐색에 한계가 있습니다.
- 이 연구는 경계 조건, 하중 구성 및 물리 필드로부터 최적화된 구조 위상을 직접 학습하는 물리학 기반 트랜스포머를 제안합니다.
- 제안 모델은 전역 자기 주의(global self-attention)를 활용하여 장거리 기계적 상호작용을 포착하고, 보조 손실 함수로 물리적 제약을 적용합니다.
- 동적 하중 시나리오에도 주파수 영역 인코딩과 전이 학습(transfer learning)을 통해 효율적으로 일반화됩니다.
- 이 모델은 단일 순방향 전달(single forward pass)만으로 확산 모델(diffusion models)을 능가하는 충실도를 달성하여 실시간 구조 설계를 가능하게 합니다.
TLDR (Semantic Scholar): This work introduces a physics-informed transformer architecture that directly learns a non-iterative mapping from boundary conditions, loading configurations, and derived physical fields to optimized structural topologies, enabling high-fidelity structural design with significant reductions in computational cost.
#위상 최적화#트랜스포머#물리학 정보#실시간 설계
cs.CE, cs.AI, cs.LG · 발표 2026-05-12최신
메시 기반 그래프 신경망과 물리 인식 어텐션을 이용한 충돌 평가
Gabriel Curtosi, Carlos Manuel Ruiz Ruiz, Fabiola Cavaliere, Xabier Larráyoz Izcara
매칭: neural network, surrogate model, structural, deform, relevance:0.90
- 차량 충돌 시뮬레이션은 계산 비용이 높아 설계 반복에 한계가 있습니다.
- 이 연구는 시간별 구조 변형 예측을 위한 하이브리드 대리 모델을 제안합니다.
- 제안 모델은 메시 전달, 기하학적 어텐션, 접촉 인식 보정을 결합합니다.
- 최적의 하이브리드 모델은 3.20mm의 시간 평균 제곱근 오차를 달성했습니다.
- 이 방법론은 산업 충돌 분석에 필요한 구조 정보를 보존하며 빠른 예측을 가능하게 합니다.
TLDR (Semantic Scholar): This work investigates learned hybrid surrogate models (MeshTransolver, MeshGeoTransolver, and MeshGeoFLARE) for predicting time-resolved structural deformation fields in an industrial lateral pole-impact benchmark and suggests that crash surrogate assessment should combine global error metrics with downstream safety-relevant quantities and qualitative field inspection.
#충돌 시뮬레이션#그래프 신경망#기계 학습#구조 변형 예측