재료 모델링 및 설계의 물리 정보 신경망

물리 정보 신경망(PINNs)은 물리 법칙을 손실 함수에 통합하여 데이터 기반 딥러닝과 물리 모델을 결합한 신경망입니다. 이는 편미분 방정식으로 제어되는 순방향 및 역방향 문제에 유망하고 유연한 해결책 또는 대체 모델로 활용되며, 최근 몇 년간 물리학 및 공학 분야의 다양한 문제에 적용되어 왔습니다. 본 연구는 PINNs의 재료 과학 응용에 초점을 맞춰 포괄적인 분석을 제시합니다. PINNs의 기본 형태와 구성 요소를 검토하고, 성능 향상 전략을 확장하며, 실제 구현의 다양한 측면을 탐구합니다. 재료 모델링의 경우, 문헌에서 발견된 주요 연구 목적에 따라 문제 사례를 체계적으로 분류했습니다. 문제들은 다중 물리 현상을 포함하는 열전달 관련 문제, 재료 특성 및 설계, 재료 내구성, 응력 분석, 그리고 다공성 매체 및 다상 재료 관련 문제로 범주화됩니다. 마지막으로, PINNs의 현재 과제와 한계점, 장점, 그리고 잠재적인 미래 연구 방향에 대해 논의합니다.