Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Explainable Prediction of the Mechanical Properties of Composites with CNNs

Created by
  • Haebom

저자

Varun Raaghav, Dimitrios Bikos, Antonio Rago, Francesca Toni, Maria Charalambides

개요

본 논문은 복합재료의 기계적 특성 예측을 위해 설명 가능한 인공지능(XAI)을 활용한 합성곱 신경망(CNN) 모델을 제시합니다. 기존의 유한요소 해석(FE) 기반 접근 방식의 높은 계산 비용 문제를 해결하기 위해, FE 모델링으로 생성된 데이터셋을 이용하여 CNN을 학습시켜 Young's modulus와 항복강도를 예측합니다. ResNet-34 모델보다 높은 정확도를 달성하였으며, SHAP과 Integrated Gradients 기법을 통해 예측 결과에 대한 설명 가능성을 확보하여 모델의 신뢰성을 높였습니다.

시사점, 한계점

•
시사점:
◦
XAI 기법을 활용한 CNN 모델이 복합재료의 기계적 특성 예측에 높은 정확도를 보임을 실험적으로 증명.
◦
기존 FE 모델링의 높은 계산 비용 문제를 효과적으로 해결할 가능성 제시.
◦
SHAP과 Integrated Gradients를 활용하여 모델의 예측 결과에 대한 설명 가능성을 확보, 모델의 신뢰성 향상.
◦
CNN 모델이 복합재료의 기하학적 특징을 효과적으로 활용하여 예측 수행.
•
한계점:
◦
현재 모델은 인장 시험 데이터에만 국한, 다른 하중 조건이나 복합재료 종류에 대한 일반화 성능 검증 필요.
◦
사용된 XAI 기법의 해석력에 대한 추가적인 검증 필요.
◦
다양한 복합재료의 특성과 거동을 포괄적으로 다루지 못할 수 있음.
◦
모델의 훈련에 사용된 데이터셋의 크기 및 다양성에 대한 제한.
👍
Made with Slashpage