공학 문제 해결을 위해 구조최적설계 기법을 개발하며, 3D 프린팅 기술을 활용해 복잡한 형상의 부품이나 시스템을 설계하고 제조하는 연구를 수행합니다. 주로 음향/소음/진동 시스템을 포함하여, 열전달 시스템, 배터리 셀 및 구조 응력 최적화 등 다양한 어플리케이션에서의 성능을 개선하기 위한 설계적 방법론을 개발합니다.
구조최적화 (크기, 형상, 위상최적화)를 통한 공학적 문제 해결
3D 프린팅 기술 활용한 복잡한 형상 부품 및 시스템 제조
열전달 시스템, 배터리 셀, 구조 강성 최적화 등 다양한 분야에서 성능 개선
다양한 물리적 현상과 스케일을 동시에 고려하는 복합적인 시스템에 대한 전산해석 및 최적화 기법을 연구합니다. 구조, 열, 유체, 전자기 등 여러 분야의 물리적 특성이 상호작용하는 시스템을 분석하고, 이를 바탕으로 공학적 최적화 문제를 설정하고 풀어나가는 역설계 방법을 개발합니다. 특히, 다중 물리 현상을 연계하여 최적화하는 새로운 기법을 개발하고, 이를 실제 산업 및 연구 분야에 적용하는 데 힘쓰고 있습니다.
다양한 물리적 현상과 스케일을 동시에 고려한 설계
구조, 열, 유체, 전자기 등 물리적 상호작용 분석
다중 물리 현상 연계 최적화 기법 개발
산업 및 연구 분야에서의 복합 시스템 분석 및 최적화
역설계 자동화 플랫폼 개발 (전체 역설계 과정의 단순화 및 고도화 달성 가능)
자연계에 존재하지 않는 특이한 파동 특성을 구현하기 위해, 미소구조를 인위적으로 설계하여 파동의 흐름을 제어하는 연구를 수행합니다. 해당 분야는 음향, 진동 및 초음파 제어, 에너지 수확, 그리고 파동 집중과 같은 응용을 목표로 합니다. 메타구조의 설계 방법은 전통적인 구조 설계와는 다른 물리적 특성을 지니며, 이를 활용한 다양한 기술 개발에 주력하고 있습니다.
자연계에 존재하지 않는 특이한 파동 성질 구현
미소구조 설계를 통해 파동 흐름 제어
음향, 진동, 초음파 제어, 에너지 수확 등 다양한 응용 연구 (완전 흡음, 모드 변환, 스텔스 등)
전통적 구조 설계와 다른 물리적 특성 활용 (비국소, 복소변조, 시공간변조 등)
물리 법칙을 인공지능 모델에 통합한 하이브리드 데이터 기반의 설계 기법을 개발합니다. 예로써, Physics-Informed Neural Networks (PINN)와 같은 신경망 기술을 활용하여 물리적 제약을 고려한 최적화 문제를 해결합니다. 이는 종래의 수치 해석 방법을 효율적으로 대체할 수 있는 혁신적인 접근 방법으로, 복잡한 시스템의 해석 및 설계에서 성능을 극대화할 수 있습니다. 데이터 기반 설계 기법은 실험 데이터를 통해 모델을 학습시키고, 이로써 물리적인 이해를 바탕으로 예측 및 최적화를 가능하게 합니다.
물리 법칙과 인공지능 결합을 통한 하이브리드 데이터 기반 설계
Physics-Informed Neural Networks (PINN) 및 Neural operator
실험 데이터를 통한 모델 학습, 예측 및 최적화
전산해석의 가속화 및 일반화된 모델 개발 (예, 디지털 트윈)