초록

양극판은 연료전지의 구성 요소 중 하나로, 수 소와 산소 및 냉각수가 잘 공급되도록 유로(flow path)를 형성하는 역할을 한다. 양극판의 설계는 연료전지의 전기적 전도, 열관리, 내구성 등을 좌우하기 때문에 전체 연료전지 제작 내에 매우 중 요한 부분을 담당하고 있다. 양극판은 일반적인 경우 스탬핑 공정을 통해 제 작된다. 그러나 제작 과정에서 재료의 탄성으로 인한 스프링백 현상으로 인해 제작된 형상과 우 리가 입력 틀로 설정한 형상과 차이가 발생한다. 현재까지 제작 과정에서의 형상 변화를 모델링하 는 방법들은 여럿 개발되었으며 실제와 유사할 정 도로 높은 정확도를 보인다. 그러나 원하는 형상 설계를 하기 위해서는 여전히 여러가지 문제점이 있다. 첫 번째 문제점은, 현재 양극판의 입력 형상 과 출력 형상을 모델링하는 방법은 수행하는데 시 간이 많이 걸린다는 것이다. 두 번째 문제점은 양 극판의 입력 형상에 따른 출력 형상에 대해서 모 델링 연구는 많이 수행되었지만, 실제로 필요한 출력 형상이 도출되기 위한 입력 형상을 도출하는 역모델링 연구은 진행된 적이 없다는 점이다. 이러한 문제점들을 해결하고자 본 방법은 인공 지능 기술을 활용한 역모델링 방법을 제안한다. 제안 방법은 다음과 같이 진행된다. 먼저, 형상 정 보를 인공지능이 학습할 수 있는 간단한 파라미터 들로 변환한다. 두 번째, 적응형 배치 샘플링 기술 을 활용하여 최소한의 시험 횟수로 해석 모델에 대한 대리 모델을 생성한다. 대리 모델을 통해서 양극판의 입력 형상과 출력 형상을 모델링하는데 걸리는 시간을 감소할 수 있다. 마지막으로, 개발 된 대리 모델에 새로운 파라미터를 달고 Tendem neural network 구조로 학습시킨다. 해당 모델 학습 방법은 역모델 설계 시에 발생하는 다중 해 문제 에 강건하다.