본 연구는 차량 충돌 역학의 3D 예측을 위한 새로운 신경망 기반 프레임워크를 제안합니다. 전체적인 강체 운동과 국부적인 구조 변형을 독립적으로 모델링하여 절대 변위를 직접 예측하는 기존 방식과 차별화됩니다. 강체 운동을 담당하는 쿼터니언 기반 Rigid Net과 국부 변형을 담당하는 좌표 기반 Deformation Net 두 개의 특화된 네트워크로 구성됩니다. 서로 다른 물리적 현상을 독립적으로 처리함으로써 각 구성 요소에 대한 별도의 감독 없이 정확한 예측을 달성합니다. 기존의 단일 MLP 및 DeepONet 모델보다 성능이 훨씬 뛰어나며, 사용 가능한 시뮬레이션 데이터의 10%만으로도 최대 83%의 예측 오류 감소를 달성했습니다. 광범위한 검증을 통해 훈련 범위를 벗어난 충돌 조건에서도 강력한 일반화 성능을 보이며, 극단적인 속도와 큰 충격 각도를 포함한 심각한 충돌에서도 정확한 반응을 예측합니다. 또한, 계산 비용 증가 없이 저해상도 입력으로부터 고해상도 변형 세부 정보를 성공적으로 재구성합니다. 결과적으로, 본 연구에서 제안된 방법은 복잡한 충돌 시나리오에서 차량 안전성을 빠르고 신뢰성 있게 평가하는 효율적인 방법을 제공하며, 필요한 시뮬레이션 데이터와 시간을 크게 줄이면서 예측 정확도를 유지합니다.
