KAERI

최적설계와 딥러닝

한국원자력연구원 유 용 균
(ygyu@kaeri.re.kr, yoyogo@gmail.com)
2019.11.6
최적설계

2
악기의 최적설계

학위논문: 바이올린 브릿지의 위상최적설계 (‘10)

3
최적설계

?
문제 정의 : 무엇을 어떤 목적으로 최적화 할 것인가?
- 무엇: 설계 대상, Domain, 경계조건
- 목적: 최적화 목적 (강성, 부피, 고유진동수, 음질…)

이슈 & 한계: 계산량, 제한적인 목적함수

4
5
Topology Optimization

6
Topology optimization methods

SIMP ESO

**solid isotropic microstructure with penalization *evolutionary structural optimization

7
SIMP (solid isotropic microstructure with penalization)

𝑑𝐹
𝑑𝜌
=?

https://mavt.ethz.ch/content/dam/ethz/special-interest/mavt/departmen
8 sigmund-presentation-dls-hs-15.pdf
10
억?!

9
ESO (evolutionary structural optimization)

응력이 낮은 20% 물질을 제거하라!

https://www.digitalengineering247.com/article/topology-optimization-metho

10
ESO

11
SIMP vs. ESO

12
13
14
위상최적설계에서 기계학습

SIMP ESO AI(ML)

15
딥러닝

16
뇌과학과 인공신경망
- Perceptron (1957)
- Backpropagation (1975)
- Convolutional Neural Network(1998)
- Deep Learning (2006)

17
동물이 사물을 어떻게 인지하는가?

한국 유용균
18
New York Times (1958)

세계 최초
인지하는 기계
퍼셉트론 등장

인공지능 시대가
곧 등장할 것

19
그러나….

20
현실적인 인공지능의 정의

• 낭만을 버리자. 겸손 해지자…

• Stuart Russell and Peter Norvig

• the designing and building of intelligent
agents that receive percepts from the
environment and take actions that affect
that environment.

• 주어진 환경에서 잘 동작하도록 시스템을 최적화

하는 것

• 기계(컴퓨터가) 현재 하지 못하는 것에 도전하

는 학문 21
기계학습(Machine Learning)

특정한 과제에 대해서 인공지능

기계학습
경험을 통해

성능을 향상시키는 것 딥러닝

경험을 통해 데이터를 모아서

패턴을 분석해서 성능을 향상시키는 것

22
데이터데이터 데이터

23
PG-GAN

24
최적설계와
딥러닝

25
최적설계에서 기계학습

SIMP ESO AI(ML)

26
기존 설계로부터 설계의 원리를 배운다면?

27
AI가 최적설계를 대신해줄 수 없을까?

28
Variational Autoencoder

29
Unsupervised Learning of
Topology Optimization Results
가능한 적은 수의 변수로 구조를 표현할 수 있는
가?

30
2개의 잠재변수로 표현한 구조

31
Image-to-Image Translation with
Conditional Adversarial Networks

32
Deep Learning for Topology Optimization Design

Encoder Decoder
Network Network

latent vector

33
Deep Learning for Topology Optimization Design
: Discretization of boundary conditions

https://arxiv.org/abs/1801.05463

34
Deep Learning for Topology Optimization Design
: 1st Stage

https://arxiv.org/abs/1801.05463

35
Deep Learning for Topology Optimization Design

https://arxiv.org/abs/1801.05463

36
37
최적설계와
딥러닝의 융
합
38
 경험(과거 해석 데이터)를 통하여

우리가 몰랐던 패턴을 발견하여

기존 알고리즘을 점점 발전시킬 수 있지 않을까?

39
SIMP ESO AI

40
SIMP + ML ?

Optimization
Scheduler

기존 최적설계 머신러닝 알고리즘

41
위상최적설계 (Topology Optimization)

42
Learning to Generate Long-term Future via Hierarchical Prediction

https://arxiv.org/pdf/1704.05831.pdf

43
Neural networks for topology optimization

https://arxiv.org/abs/1709.09578

44
Reinforcement Learning to Topology Optimization
어디에 구멍을 뚫고 채울 것인가??

New design

FEM RL

Reward

45
Autodesk Generative Design

46
Autodesk Generative Design

47
Accelerating topology optimization algorithm

과거 경험으로부터 알고리즘을 점점 개선시킬 수 있지 않을까?

48
Ahpha Go? Fast simulator??

49
인공지능을 활용한 최적설계

최적설계의 가속화 목적함수의 다양화

50
디자인을 고려한 최적설계

• 기존에 공학적으로 정의하기

힘들었던 것 (개인의 취향, 제작성, 심미성)을
고려한 최적설계

(숙명여대 기계공학과 강남우 교수)

51
52
딥러닝과 최적설계를
이용한
골격계 고해상화

53
골다공증이란?
• 골량 감소 및 골질 악화로 인해 골 강도가 감소하여 골절 위험성이 증가하는 골격계 질환

골다공증성 골절

*KAIST 장인권, 계명대 김정진 교수 협업

54
기존 진단 방식의 한계

한국원자력연구원 유용균
55
골다공증 진단을 위한 뼈 CT 사진 고해상화
정확한 골다공증 진단을 위한 저선량 CT 사진 고해상화

78µm resolution

78µm resolution 625µm resolution

56
인공신경망 학습을 위한 인공 골격계 영상 생성

한국원자력연구원 유용균
57
인공지능 기반의 임상 골격계 영상 재구성 알고리즘 개발

204x204 (data size) 204x204

Low-res. 102x102 102x102 High-res.

51x51 51x51
17x17

204x204 204x204
512
256 256
256 256
128 128 128
Kernel size 64 64 128 64 64 1

17x17 구조적인 정보고려 방안(p.32)

Disp. (x6)
Concatenate
Conv (3x3) + ReLU + Batch Normalization
Conv (2x2) + ReLU + Batch Normalization
Max Pooling Upsampling Sigmoid
18x18

64 ACSMO 2018, Best Student Paper

58
고해상화 결과 예

59
3차원 골격계 영상의 고해상화

60
SIMP ESO AI

61
Geometric deep learning: going beyond Euclidean Data

62
https://doi.org/10.1016/j.buildenv.2018.05.026
63
디지털 트윈

64
65
원자로의 Digital Twin을 이용한 사고 대응

● 후쿠시마 사고와 같은 상황에도 안전한 원자로

http://www.corys.com/en/steps/article/digital-twin-challenge-nuclear-power-
plants

66
Digital Twin with machine learning

Simulation
(Surrogate,
Digital Twin)
model

Control &
Monitoring

Real
Environment

• 복잡한 다물리 현상을 빠르게 모사할 수 있는가?

• 어떤 데이터를 생성할 것인가?
• 실제 데이터와 차이는?

67
Dimensionality reducibility
for multi-physics reduced order modeling
The final goal of this study is to construct a surrogate model for the
coupled Rattlesnake-BISON models
The computational cost needed for the construction of surrogate models
for a multi-physics model can be significantly reduced if one employs
dimensionality reduction to identify the effective DOF.
Another important conclusion of this study is that while fine mesh
simulation is highly needed to accurately describe the multi-physics
nature of system behavior, it comes at a great cost.

68
중대사고 대응 로직

Decision1 Decision2 Decision3 Decision4

사고발생
Safe or
Not ?

69
 물리모델 기반 Reduced Order Model

Data 기반 Reduced Order Model

Data-driven modelling: some past experiences and new approaches
https://www.elitenetzwerk.bayern.de/elitenetzwerk-home/forschungsarbeiten/ingenieurwissenschaften/2010/castane-selga-orderreduction/ 70
개똥철학

71
72
원자력연구원 지능형 컴퓨팅 랩

원자력연
구원
AI
IC
Lab 기술제공업
체
컨설팅 핵심 인공지능
중소기업 POC project 기술 고도화

AI Doctor, AI 가정의학과, AI 상상팩토리

73
머신러닝은 지금의 컴퓨터와 같이 존재라고 생각합니다.

Hidden Figures (2017)

74
결국 ML도 문제해결을 위한 방법론들 중 하나…

Math
SIMP ESO
Rule based ML

75
중요한 것은 힘을 합쳐 지구를 구하는 것…

76