복합재 기계적 거동 예측 위한 머신러닝

최근 머신러닝(ML)은 복합재료의 기계적 거동을 예측하는 강력한 도구로 부상하며, 기존의 시험 및 시뮬레이션 방법보다 빠르고 경제적인 대안을 제시하고 있습니다. 본 총설은 랜덤 포레스트, 서포트 벡터 머신, 인공신경망, 딥러닝 모델 등 다양한 ML 기법이 인장 강도, 경도, 파괴 인성, 피로 수명과 같은 핵심 재료 특성을 예측하는 데 어떻게 활용되는지 탐구합니다. 다수의 최신 연구를 분석하여, ML 모델이 실험 및 시뮬레이션 데이터를 기반으로 훈련되어 공정 변수, 재료 조성, 그리고 최종 성능 간의 복잡한 관계를 규명하는 과정을 조명합니다. 다양한 알고리즘의 정확도, 한계, 적합성을 비교하고, 하이브리드 모델, 특징 선택, 데이터 품질의 중요성을 강조합니다. 나아가 ML이 다중 스케일 모델링, 설계 최적화, 실제 응용 분야에서 지닌 미래 잠재력을 논의하며, 데이터 부족, 모델 해석 가능성, 표준화된 검증 프로토콜의 필요성 등 실질적인 과제 또한 다룹니다. 본 총설은 현재까지의 발전과 도전 과제를 요약함으로써 복합재료 연구 및 응용 분야에서 ML 도입에 대한 정보에 입각한 의사결정을 지원합니다.