기술개요
본 기술은 기존 제품과 유사하거나 개선된 신제품을 개발할 때, CAE 모델링 없이도 기존 성능 데이터를 기반으로 가상 성능 데이터를 생성하고, 이를 통해 신제품의 성능 예측 및 설계 인자 추정을 가능케 하는 AI 기반 설계 지원 시스템임
데이터가 부족한 환경에서도 전이학습과 도메인 지식을 활용하여 예측 정확도를 높일 수 있음
기술 구현 내용
1) 핵심 구성 요소
- 전처리 학습부(Pre-processing Module)
1. 기존 시스템의 실제 성능 데이터를 학습
2. 도메인 지식을 함수화하여 DAI 모델에 반영
- 본처리 학습부(Main Processing Module)
1. 신제품 시스템의 적은 양의 데이터로 전이 학습
2. DGAN, DVAE + CNN 구조로 가상 성능 데이터 및 설계 인자 생성
- 모델 검증부(Verification Module)
1. 실제 데이터와 가상 데이터 유사성 평가
2. 기준치 이하일 경우 파라미터 조정 → 재학습 수행
2) 적용 모델
- DGAN: 생성기, 판별기, 역생성기 구조
- DVAE: 인코더, 디코더, 역생성기 구조
시장성
1) CAE 소프트웨어 시장
글로벌 CAE 소프트웨어 시장 규모는 2024년 기준 75억 달러에서 2033년 125억 달러까지 연평균 6.1% 성장할 것으로 전망됨
2) 주요 성장 요인
- 제조/설계 비용 절감 및 개발 속도 단축 요구
- 고급 CAE 툴의 복잡성 및 사용 장벽 존재
- 학습 데이터 부족 문제를 해결하는 도메인 지식 기반 학습 수요 증가
- 디지털 트윈, 스마트 팩토리, 자동화 설계 시스템 확산
- 전통적 FEA/CFD 기반 설계 한계 극복 필요
기술의 차별성
(1) 기존 기술의 한계
- CAE: 높은 연산 비용, 복잡한 모델링 요구
- DNN: 많은 학습 데이터 없으면 과적합 발생
- 기존 GAN/VAE 기반 증강: 설계 인자 추정 불가능
(2) 본 발명의 특장점
- 도메인 지식을 AI 학습에 반영하여 학습 효율성 및 물리적 타당성 확보
- 전이학습 + 설계 인자 역생성기를 함께 활용
- 소량의 데이터로도 가상 성능 데이터 + 설계 인자 추정 가능
- CNN 기반 구조로 다양한 형태의 데이터 처리 가능
