On Surrogate Modeling of Static Response of AM Short-Fiber Thermoplastics Using Graph Neural Networks
본 논문은 미세구조의 토폴로지와 손상 진화를 인코딩함으로써 적층 제조된 단섬유 열가소성 복합재의 비선형 역학적 거동을 정확하고 효율적으로 예측하는 물리 정보 기반의 하이브리드 그래프 신경망-장단기 메모리(GNN-LSTM) 대리 모델을 제안하며, 이를 통해 디지털 트윈 개발을 위한 전통적인 유한 요소 해석의 계산적 한계를 극복한다.