본 메릭 웨비나 발표에서는, 재료 과학 및 제조산업의 연구 개발 동향은 기계학습(ML)의 출현으로 크게 변화하였습니다. 데이터 기반 방법론은 기존의 재료나 물리 이론으로 완전히 설명되지 않는 복잡한 물리적 과정과 메커니즘을 데이터의 상관관계를 통해 정확하고 빠르게 예측함으로써 새로운 재료의 발견과 생산, 및 제품 개발을 가속화하였습니다. 그러나 우리가 사용할 수 있는 다양한 ML 모델의 존재에도 불구하고, 가장 중요하고 어려운 질문이 남아있습니다: 우리가 당면한 설계문제에 가장 적합한 ML 알고리즘은 무엇일까요?  이 발표에서는 재료/형상/공정 디자인 도전 과제를 다음과 같이 데이터 특성과 설계공간 크기에 따라 세분화하고 ML알고리즘 선택에 대한 질문에 대한 가이드라인을 제시하고자 합니다.  

• Machine learning
• Deep learning
• Optimization
• Design
• Manufacturing

목록

  전체댓글 0

[로그인]

댓글 입력란

0/500자