Events

[03/23/24~03/24/24] The Industrialization of SciML

• Mar 23 - 24, 2024

• Brown University (or Virtually)

대한기계학회 회원 여러분, 2023년 8월에 개최된 '물리지식기반 인공지능' 연구교류회 이어 이번 2024년 1월달에는 Scientific Machine Learning 분야에 집중하여 대학원생들의 연구 발표를 중심으로 연구 교류회를 진행합니다. 이 연구 교류회는 인공지능과 기계 도메인 지식을 융합하며 새로운 아이디어와 혁신적인 연구를 촉진하는 자리가 될 것입니다. 특히 대학원생들의 적극적인 참여와 활발한 토론을 기대하고 있습니다. 새로운 통찰과 지식의 공유를 통해 학문적인 성장의 기회가 되리라 믿습니다. 많은 참여 부탁드립니다.

• 주최: 대한기계학회, 한국과학기술원 

• 주관:  대한기계학회 기계인공지능연구회

• 개최일자: 2024년 1월 31일(수) ~ 2월 1일(목)

• 개최장소: 한국과학기술원 기계공학동 1층 1601호

• 행사 일정

1일차

13:20 ~ 13:50 Recent Trend in PINN and its Applications to NDT, 오현석 교수 (GIST 기계)

13:50 ~ 14:20 PINN for Extreme Mechanics Problems, 이정수 교수 (가천대 기계)

14:20 ~ 14:40 Multiphysics-informed Neural Networks for Non-Destructive Structural Health Monitoring in Thermomechanical Systems, 노홍균 학생 (전북대 기계)

14:40 ~ 15:00 Multiphysics-informed Deep Operator Networks for Predicting the Response of a Permanent Magnet Synchronous Motor, 손세호 학생 (한양대 기계)

15:00 ~ 15:30 Break (30 min)

15:30 ~ 16:00 Theory-guided Machine Learning Approach for Singular Perturbation Problems, 홍영준 교수 (KAIST 수학)

16:00 ~ 16:30 Sobolev Training for Neural Networks and its Applications, 손휘재 교수 (한밭대 인공지능)

16:30 ~ 16:50 Application of PINNs to Argon Glow Discharge Models, 김은서 (포항공대 수학)

16:50 ~ 18:00 간담회 (일반 + 학생)

2일차

10:00 ~ 10:20 Physics-informed Fourier Representation, 김태완 학생 (포항공대 기계)

10:20 ~ 10:40 Prediction of Thermal Runaway for a Lithium-ion Battery through Multiphysics-informed DeepONet, 정진호 학생 (한양대 기계)

10:40 ~ 11:00 Introduction of Physics-informed Reinforcement Learning, 전준구 교수 (전북대 에너지-AI융합공학)

11:00 ~ 11:20 Data-driven Discovery of Drag-inducing Elements on Rough Surfaces through Convolutional Neural Networks, 신희수 학생 (인하대 기계)

11:20 ~ 11:40 A Full-Field Estimation of Dynamics System Responses with Sparse Measurement, 임재혁 교수 (전북대 기계)

11:40 ~ 12:00 Solving Boltzmann-BGK Equation with Physics-informed Neural Networks, 오재민 학생 (카이스트 수학)

• 신청 안내

  • 신청: 대한기계학회 홈페이지 (http://ksme.or.kr/) 에 이름, 소속, 연락처 신청

  • 신청 마감: 2024년 1월 24일 (수) 까지 (단, 납부 기준 선착순 90명, 현장등록 불가)

• 행사 문의: 이승철 교수 (seunglee@kaist.ac.kr)

  • 식사  미제공

  • 다과 제공

  • 주차: 무료이지만 행사장 근처는 공간이 부족할 수 있습니다. 

대한기계학회에서는 "물리지식기반 인공지능" 을 주제로 2023년 연구교류회를 개최합니다. 이번 행사에서는 특히 기계공학전공 여섯분과 수학전공 여섯분을 초청하여 서로 다른 관점의 연구를 공유하는 시간을 마련하였습니다. 이 연구교류회는 인공지능과 기계 도메인지식의 융합을 탐구하고, 새로운 아이디어와 혁신적인 연구를 촉진하기 위한 자리가 될 것입니다. 회원 여러분의 많은 참여와 활발한 토론을 기대합니다.

• 기계공학과

  • 전북대 전준구 교수: How Can We Embed Domain Knowledge of Computational Fluid Dynamics into Deep Neural Networks?

  • 인하대 이상승 교수: Physics-Informed Neural Networks for Harvesting and Saving Flow Energy

  • 한양대 오기용 교수: Multiphysics-Informed Neural Network of an Electric Motor Virtual Sensing and PHM

  • 전북대 임재혁 교수: Real-Time Virtual Strain/Stress Sensing using Physics-Informed Neural Networks with Domain Decomposition

  •  가천대 이정수 교수: Physics-Informed Neural Networks for Extreme Mechanics Problems

  • 포항공대 이승철 교수: Extended Multiphysics-Informed Neural Network and Physics-informed Convolutional Framework for Fast Numerical Simulation Interpolation 

• 수학과

  • 포항공대 최민석 교수: Enhanced Physics-Informed Neural Networks

  • 한밭대 손휘재 교수: Physics-Informed Neural Networks: Convergence and Applications

  • 성균관대 홍영준 교수: Unsupervised Operator Network with aids of Numerical Analysis

  • 다트머스대 이윤상 교수: Analysis of the Derivative-free Method for Solving PDEs using Neural Networks

  • 인하대 고승찬 교수: Finite Element Operator Network for Solving Parametric PDEs

  • 고려대 이동헌 교수: Decision Making under Uncertainty with Knowledge Gradient