인공지능 기반 음향 메타소음기의 단위체 생성과 음향 특성 예측
AI-Based Generation of Unit-cells and Acoustic Property Prediction for Acoustic Meta-Silencers
- 주제(키워드) Acoustic meta-silencer
- 주제(DDC) 621.8
- 발행기관 아주대학교 일반대학원
- 지도교수 이진우
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000036039
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구에서는 목표 주파수 조건을 만족하면서 넓은 밴드갭을 확보할 수 있는 음향 메타소음기 단위체 설계를 위해 예측과 생성을 통합한 인공지능 기반 프레임워크를 제안하였다. 제안된 프레임워크는 소음기의 음향 특성을 신속하게 예측하는 다층 퍼셉트론(Multi-Layer Perceptron, MLP)과 새로운 단위체 형상을 자동으로 생성하는 변분 오토인코더(Variational Autoencoder, VAE)로 구성된다. 학습용 데이터는 다양한 목표 주파수 조건에 대해 형상 최적설계를 반복 수행하여 구축하였으며, 이를 바탕으로 MLP와 VAE 모델을 각각 학습시켰다. MLP는 설계변수와 밴드갭 특성 간의 비선형 관계를 학습하여 밴드갭 구간을 신속하게 예측하였고, VAE는 설계변수 분포의 주요 특성을 안정적으로 학습하여 잠재공간 샘플링을 통해 새로운 단위체 후보를 생성하였다. 두 모델의 결합을 통해 음향 메타소음기의 단위체 생성과 성능 예측을 기존 수치 해석 기반 탐색보다 훨씬 빠르고 효율적으로 수행할 수 있었으며, 이는 향후 인공지능 기반 음향 메타물질 설계 자동화의 가능성을 보여준다. Key words: Acoustic meta-silencer; Multi-Layer Perceptron (MLP); Bandgap prediction; Variational Autoencoder (VAE); Unit-cell generation.
more목차
제 1 장 서론 1
1.1 연구 배경 1
1.2 연구 목표 및 연구 내용 2
제 2 장 학습용 데이터 생성 5
2.1 음향 메타물질 단위체 구조 5
2.2 설계 문제 정식화 9
2.3 학습용 데이터 생성 결과 13
2.4 데이터 후처리 19
제 3 장 밴드갭 예측 모델 개발 21
3.1 MLP 기본 구조 21
3.2 음향 메타소음기용 MLP 모델 24
3.3 MLP 모델 학습 결과 28
제 4 장 단위체 생성 모델 개발 31
4.1 VAE 기본 구조 31
4.2 음향 메타소음기용 VAE 모델 37
4.3 VAE 모델 학습 결과 41
제 5 장 잠재공간을 이용한 단위체 생성 57
5.1 잠재공간을 이용한 단위체 생성 결과 57
5.2 잠재공간 제어에 따른 밴드갭 특성 변화 58
제 6 장 음향 메타소음기 구성 63
6.1 단위체 1: 목표 주파수 기반 최적 설계 선정 66
6.2 단위체 2: 잠재공간 기반 1차 미커버 구간 보완 설계 선정 68
6.3 단위체 3: 잠재공간 기반 2차 미커버 구간 보완 설계 선정 70
6.4 유한요소해석 기반 성능 검증 72
6.5 중, 고주파수 조건에서의 단위체 조합 결과 및 성능 평가 77
제 7 장 결론 81
참고 문헌 83
