3편의 한국어 분석 — 최신순으로 정렬했어요
레이저 적층 제조용 고성능 합금 설계에 있어 기계 학습은 유망하지만, 기존 방식은 대규모 고품질 데이터셋 의존으로 과적합 및 비합리적인 설계 결과를 초래하는 한계가 있었습니다. 본 연구는 이러한 한계를 극복하고자, 지식 기반 그래프 모델링과 데이터 불확실성 정량화를 통합하여 소규모 실험 데이터셋으로도 작동 가능한 범용 프레임워크를 제안합니다. 제안된 프레임워크는 물리 야금학적 지식과 생산된 재료의 실험적 결함 분포에서 발생하는 확률론적 특성을 합리적으로 균형 있게 고려합니다. 이를 통해 데이터셋의 크기나 품질에 대한 의존도를 낮추…
고온 Nb-Si 기반 합금은 가공성을 위한 상온 파괴 인성(>18 MPa·m1/2)과 고온 강도 확보라는 상충하는 특성 사이에서 균형을 맞추는 데 어려움을 겪습니다. 본 연구는 이러한 고유한 한계를 극복하기 위해 기계 학습 기반 합금 설계를 도입했습니다. 200개의 초기 특성 중 3단계 특성 선별 전략을 통해 6개의 핵심 설명 변수를 식별했습니다. SHAP 분석으로 용융 엔탈피와 원자 반경 불일치가 특성 결과에 미치는 영향을 규명했으며, 이를 바탕으로 NSGA-II 알고리즘을 활용한 다목적 최적화를 수행했습니다. 최적화된 Nb-12…
항공우주 소재 분야에서 고온 작동 및 저밀도 특성을 갖춘 합금 개발은 항공기 엔진 효율 증대와 배출가스 저감에 필수적입니다. Nb-Si 합금은 기존 Ni 기반 초합금보다 고온에서 작동 가능하며 밀도가 낮아 유망한 대안으로 주목받고 있습니다. 본 연구에서는 Nb-Si 기반 초고온 합금 설계를 위해 기계 학습 기반 프레임워크를 개발했습니다. 3단계 특징 선별 전략을 통해 20 MPa·m1/2의 파괴인성 장벽을 극복하고자 했습니다. 개발된 모델은 파괴인성(KQ)을 7% 미만의 오차로 예측하며, SHAP 및 PDP 분석을 통해 모델을 해…
