복합재료 역학의 다중 신뢰도 대리 모델링: 공동 크리깅에서 다중 신뢰도 신경망까지

복합재료는 구성 요소, 층, 적층판, 구조물, 제조 역사에 걸친 결합된 메커니즘으로 지배되는 강하게 계층적이고 이방성 특성을 보입니다. 이러한 내재적 복잡성은 재료, 구조, 제조의 넓은 설계 공간을 커버하기 위해 반복적인 실험과 고신뢰도 시뮬레이션이 필요하므로 복합재료의 예측 모델링을 비싸게 만듭니다. 다중 신뢰도 대리 모델링은 풍부한 저비용 데이터와 제한된 고정확도 데이터를 결합하여 신뢰할 수 있는 고신뢰도 예측을 복원함으로써 이 과제를 해결합니다. 본 리뷰는 합성 역학에 대한 다중 신뢰도 모델링의 구조화된 개요를 제시하며, 가우시안 프로세스 또는 크리깅 기반 방법, 공동 크리깅 (co-Kriging), 코레지오나이제이션 모델 (coregionalization models), 자기회귀식 (autoregressive formulations), 비선형 자기회귀 가우시안 프로세스 (nonlinear autoregressive Gaussian processes), 다중 신뢰도 심플 가우시안 프로세스 (multi-fidelity deep Gaussian processes), 그리고 다중 신뢰도 신경망 (multi-fidelity neural networks) 을 포함합니다. 그들 간의 차이는 교차 신뢰도 상관관계, 불일치 표현, 불확실성 정량화, 확장성에 대해 검토됩니다. 선택된 예들은 다중 신뢰도 대리 모델링이 공학적 문제에서 수행하는 역할에 따라 복합재료에 대한 응용 사례를 소개하며, 이는 빠른 재료 설계 공간 탐색을 위한 전방 예측 (forward prediction), 제한된 고신뢰도 접근 조건에서의 복합체 파라미터 식별 및 설계 검색을 위한 역 최적화 (inverse optimization), 그리고 이질적 데이터 소스, 제약 조건, 검증 요구 사항을 모델 유틸리티 결정하는 워크플로우 통합 (workflow integration) 을 포함합니다. 열린 질문 논의는 복합재료에 특화된 반복적인 과제를 강조하며, 비선형 손상 및 제조 역사와 관련된 regime-dependent fidelity gaps, 시뮬레이션과 실험 간의 불일치, 그리고 다중 신뢰도 모델 간의 불확실성 전파입니다.