본 논문은 구성 법칙 정보 입자 역학(CPD) 시뮬레이션 데이터를 사용하여 균열 전파를 예측하는 심층 연산자 네트워크(DeepONet) 기반 머신러닝 모델을 제시합니다. 특히, 다양한 기하학적 형상(노치 높이, 구멍 반지름 변화)을 갖는 시편에서 시간에 따른 균열 전파를 예측하기 위해 바닐라 DeepONet과 Fusion DeepONet 두 가지 변형 모델을 탐구합니다. 세 가지 대표적인 경우(노치 높이 변화, 노치 높이와 구멍 반지름 조합)를 연구하여 모델 성능을 평가하고, Fusion DeepONet이 특히 비파괴 사례에서 더 정확한 예측을 제공함을 보여줍니다. 파괴가 발생하는 경우에는 예측 정확도가 다소 낮지만, Fusion DeepONet이 복잡하고 기하학적으로 다양하며 시간에 따라 변하는 균열 전파 현상에 대한 일반화 능력을 보여준다는 것을 강조합니다.
