본 논문은 복잡한 미세구조를 가진 이상적인 두상 무작위 재료(TRMs)의 응력 분석을 위한 새로운 예측 프레임워크를 제안합니다. 이 프레임워크는 저해상도 재료 미세구조 이미지에서 응력을 예측하는 다중 구성 U-net (MC U-net)과 물리 정보를 통합한 신경망 기반의 응력 초해상도 기법(SRPINN)으로 구성됩니다. MC U-net은 상 경계 정보를 고려하여 상 경계에서의 예측 오차를 효과적으로 줄이며, SRPINN은 물리적 제약 조건을 도입하여 쌍을 이루는 응력 이미지 없이도 해상도를 자유롭게 증가시켜 상 경계에서의 응력 집중 영역을 다중 스케일로 분석할 수 있도록 합니다. 전이 학습을 통해 다양한 상 부피 분율 및 하중 상태를 갖는 TRMs에 대한 응력 분석을 수행한 결과, 제안된 프레임워크는 만족스러운 정확도와 일반화 능력을 보였습니다.
