초록

딥러닝은 메타구조의 해석과 설계 분야에 새로운 패러다임을 야기하고 있다. 주기적인 배열로 구성된 탄성 메타구조에 대한 연구는 상당한 진전을 이루었지만, 무질서한 구조를 도입해 주기성을 방해하는 결함이 있는 탄성 메타구조에 대한 연구는 아직 초기 단계에 마물러 있다. 본 연구에서는 다중 결함과 관련된 물리적 복잡성(예: 커플링 및 디커플링 현상)을 고려하여 탄성 메타구조를 역설계할 수 있는 딥러닝 기반 프레임워크를 제안한다. 제안하는 적대적 생성 신경망은 '대리 보조 손실', '대리 보조 라벨', '2단계 훈련 프로세스'를 통해 모델 수렴을 안정화하고 설계 제약 조건을 충족함으로써 기존 적대적 생성 신경망에 비해 일반화된 성능을 가진다. 제안하는 딥러닝 알고리즘 및 프레임워크는 단일 및 이중 결함 시나리오에 적용 가능하며, 목표 주파수에서 투과율을 극대화하고 이중 결함 간의 커플링 및 디커플링 효과를 고려한다. 평가 방식은 테스트 데이터 세트와 실제 문제의 두 단계로 구성된다. 이러한 탄성 메타구조의 잠재적인 응용 분야로는 인프라의 구조적 상태 모니터링과 회전 기계의 예후 및 상태 관리를 위한 고감도 초음파 센서 및 액추에이터의 고안 등이 있다.