230822 분기미팅자료

1. 전체적인 개념도

   1. plastic correction에서 나타나는 newton raphson 부분에 인공신경망을 도입
   2. 속도 및 정확성 테스트
      1. 어떤 인장 모드에 대해서 할건지
      2. RVE, dogbone, 부품단위까지

2. 인공신경망 도입 및 데이터베이스 구축 관련 내용

   1. 2D system에 시험적 도입 및 인공신경망 유효성 확인
      1. 상당히 간단한 시스템
      2. 이미 레퍼런스에서 인공신경망 구조에 대한 optimization이 완료되었기 때문에 따라가는 방식을 사용
      3. 인공신경망의 적용 가능성을 검토 (large deformation, material parameter change, etc.)
   2. 3D system에 도입을 위한 고찰
      1. 더 복잡한 시스템, 3가지 열거

3. 2D system

   1. system 설명
      1. 2D VM linear hardening
      2. 인공신경망 구조
         1. return mapping 간단한 설명과 input output parameter의 의미
   2. dataset 구축 방법
      1. 논문에선 numerical calculation을 했다고만 언급
      2. 2D plane return mapping에 대한 matlab 코드를 구축, abaqus와의 검증내용
   3. 역계산 방법
      1. 문제점 확인 후 역계산 방식 채택, matlab code는 dataset 검증 및 확인용으로 사용
      2. dataset 범위 사진 및 검증 내용
   4. 인공신경망 구조 및 학습
      1. 파이썬 사용
      2. 사용한 parameter들 정리
      3. 인공신경망 구조 사진
   5. 학습 결과 및 정확도

4. 3D에서의 적용 가능성

교수님 피드백

초반부 이론을 설명하려면 이론에 치중, 나중에 이걸로 flow chart 하려면 flow chart 이용하고. 여기서는 NR 이 뭐고, 이걸 인공신경망으로 바꾸는게 목적. 오른쪽 순서도는 나중에 이걸 어떻게 할지 설명하고자 하는 부분.

오버뷰를 할 필요가 없음.

우리가 한 부분을 리포팅해야 한다. 먼저 초반에 우리가 state of the art를 공부했던 부분을 추가함. 인공신경망을 이용해서 어떻게 시간을 줄이는지에 대해 논문 리뷰를 했었음.

그 중에서 가장 우리 scheme 에 맞다고 판단한 부분이 내가 참고하고 있는 논문.

이 논문에 대한 내용을 추가해야 한다. lieterature review로 찾은 논문에서 어떤 방법을 써서 예를 들면 이런 결과를 얻었다는 내용을 써서 literature review를 철저히 해서 나온 결과를 바탕으로 하고 있다는 인상을 심어줘야함. 그렇다면 그 논문에선 어떤 방법으로 했는지를 설명해주어야 한다.

이 부분 까지를 인트로에 넣기

이 공부한 부분을 바탕으로 우리가 채택한 전략이 2D에 대해서 논문에서 다루지 않은 부분을 확인하고, 예를 들면 재료가 변경되었을 때, 훈련 범위를 벗어낫을 때 등을 확인하고자 2D 에 대해서 먼저 해보는 것. 흐름을 잘 써야 할 듯

이후에 3D에 대해서도 어떻게 할거다라는게 ㅜ리 계획

계회글 설명한 뒤에 실제로 내가 한 2차원 내용을 스텝별로 설명해야한다. 계산ㄴ을 어떻게 했는지도 설며이 충분히 필요함. 데이터베이스 계산한 부분에서도 사람들이 그 꼐산이 맞았는지 틀렸는지도 알아야하기 때문에 역계산 한것도 역계산한 방법, 실제로 매트랩에서 계산한 방법 등을 다 보여줘야한다. 디테일하게

시간이 없어서 이해하는데 필요가 없다고 생각하면 넘어갈 수 있ㅇ을 지언정 필요한 부분은 다 포함이 되어야 한다. 이론적인 내용 디테일하게 추가

매트랩에서 한걸 이론적으로 디테일하게, 그러고 나온 데이터를 설명하고, 그 데이터를 어떻게 가공했는지 등을 내가 한걸 다 디테일하게 현대차 사람들을 대상으로 할 것.

3차원 UMAT 적용 전 2차원으로 미리 확인하는게 첫번째 study고 3D에 대해서 생각하고 있는 scheme을 디테일하게 말하는게 두 번째고.

자료만 보고도 이해할 수 있도록

초반부에는 literature review 부분 추가

state of the art, 인공신경망 이용해서 시간 줄이는 것 주목해서.

여기에 2D j2 논문 추가해서, 왜 이 논문에 주목했는지에 대한 내용을 추가

2D 논문에서 확인이 불가능했던 부분 추가

2D ANN 부분에서 내용을 step by step으로 설명

계산 어떻게 했는지, MATLAB에서 한 방법 디테일하게.

데이터 어떻게 가공했는지

3D에서 생각하는 scheme 설명

flow chart는 뒤쪽으로 미룰 것

논문 리뷰 정리

1. ANN based hardening model

   1. haredening에 대해 적용.

   2. 기존 hardening model에 비해 35퍼 시간 감소 및 실제 실험과 더 잘 맞음.

   3. This result can be explained by the compactness of the fully-connected neural network: the computational costs for the linear matrix and vector operations associated with the computation of the first hidden layer are expected to be extremely low (in essence, these are just four linear operations).

   4. comes at the price of losing the physical significance for the material parameters.

대부분 training 범위 내에서만 검증이 이루어짐. 바깥에선 잘 작동하지 않는다고 하지만 어느정도인지 알기 어려웠음.

the accuracy of the ANN depends strongly on the trained data.

논문 리뷰 결과 리턴 매핑에 대해 ANN 적용이 합리적인 것으로 보임.