적층 복합재 광대역 전자기 흡수 최적화

레이더 탐지 기술이 발전함에 따라, 적층 복합재료에서 광대역 전자기(EM) 흡수를 달성하는 것은 여전히 중요한 과제입니다. 이는 구조/조성 및 주파수 의존적 EM 응답 간의 복잡한 비선형 결합 때문이며, 전문 지식과 광범위한 시행착오가 요구됩니다. 본 논문은 기존 베이지안 최적화(BO)의 지역 최적점 한계를 극복하는 점진적 베이지안 최적화(PBO) 기반의 데이터 기반 머신러닝(ML) 프레임워크를 제안합니다. 이 프레임워크는 가변 플라이 구성의 EM 성능을 예측하는 모델을 반복적으로 훈련하며, 뛰어난 견고성과 일반화 능력을 보여줍니다. 특히, 이 프레임워크는 매개변수가 없어 유사한 적층 구조 시스템의 EM 특성 설계에 적용 가능합니다. PBO 전략을 통해 두께 5.1mm의 경사 적층 구조가 제안되었으며, 이는 향상된 임피던스 매칭 덕분에 9.6GHz의 유효 흡수 대역폭(EAB)을 달성했습니다. 이 최적 설계의 EAB는 기존 BO 대비 약 20%, 무작위 탐색 대비 약 36% 증가한 수치입니다. PBO-ML 프레임워크는 반복 과정을 통해 조성 및 구조 변화와 관련된 EM 응답 메커니즘을 점진적으로 규명하며, 고주파에서 저주파에 이르는 조성과 구조 간의 상충 관계를 조화시키려는 노력을 보여줍니다. 이는 재료 설계의 효율성을 크게 향상시킬 수 있습니다.