Physics-Informed Kolmogorov-Arnold Networks for multi-material elasticity problems in electronic packaging

기술 요약: 전자 패키징 내 다중 재료 탄성 문제를 위한 물리 정보 기반 Kolmogorov-Arnold 네트워크

문제 정의
전자 패키징 구조는 서로 다른 기계적 특성을 가진 이종 재료로 구성되어 있으며, 이는 급격한 계면과 재료 물성 불연속성을 특징으로 하는 복잡한 다중 재료 시스템을 형성한다. 유한요소법(FEM)과 같은 전통적인 수치 해석 방법은 이러한 복잡한 기하학적 구조를 모델링할 때 격자 왜곡, 국부 필드 해상도, 계산 효율성 측면에서 어려움에 직면한다. 물리 정보 신경망(PINN)은 격자가 필요 없는 대안을 제공하지만, 표준적인 다층 퍼셉트론(MLP)을 사용하는 구현 방식은 다중 재료 문제에서 한계를 보인다. 기존의 PINN 접근 방식은 일반적으로 도메인 분해(각 재료에 대해 영역을 하위 영역으로 분할)와 페널티 항을 통한 계면 연속성 제약 도입을 필요로 한다. 이는 광범위한 하이퍼파라미터 튜닝을 요구하며, 특히 복잡한 계면 기하학 구조에서 수렴 문제를 일으키는 경우가 많다. 또한, MLP는 스펙트럼 편향(spectral bias)을 겪을 수 있어, 다중 재료 솔루션의 고유한 고주파 특징과 급격한 변화를 포착하는 데 한계가 있다.

방법론
본 논문은 도메인 분해 없이 다중 재료 탄성 문제를 해결하기 위해 딥 에너지 방법(Deep Energy Method, DEM)과 통합된 물리 정보 기반 Kolmogorov-Arnold 네트워크(PIKAN) 프레임워크를 제안한다.

• 딥 에너지 방법 (DEM): 지배 편미분 방정식(PDE)의 강형(strong form)을 직접 푸는 대신, 총 잠재 에너지 범함수를 최소화한다. 손실 함수는 내부 변형 에너지와 외부 위치 에너지의 차이로 구성된다. 이 변분적 접근 방식은 요구되는 미분 차수를 낮추며, 탄성 문제에서 일반적으로 더 높은 정확도와 효율성을 제공한다.
• 허용 가능한 변위장 (Admissible Displacement Fields): 페널티 항 없이 필수 경계 조건을 엄격하게 만족시키기 위해, 변위장은 $u_{pred}(x) = P(x) + D(x) \odot F(x; \theta)$로 구성된다. 여기서 $P(x)$는 경계 값을 만족하고, $D(x)$는 경계까지의 거리 함수이며, $F(x; \theta)$는 신경망의 출력이다. 이는 경계 조건이 설계 단계에서부터 보장되도록 한다.
• Kolmogorov-Arnold 네트워크 (KANs): 핵심 혁신은 전통적인 MLP를 KAN으로 대체하는 것이다. 노드에 고정된 활성화 함수를 사용하고 에지에 학습 가능한 가중치를 사용하는 MLP와 달리, KAN은 에지에 학습 가능한 단변량 활성화 함수(B-스플라인으로 매개변수화됨)를 배치한다.
  • 불연속성 처리: B-스플라인 기저 함수는 국부적 지지(local support) 및 조각별 특성을 갖는다. 이를 통해 단일 KAN은 별도의 재료별 네트워크나 명시적인 계면 연속성 제약 없이도 재료 계면에서의 응력 및 변형률 구배의 불연속성을 자연스럽게 근사할 수 있다.
  • 아키텍처: 네트워크는 학습 가능한 B-스플라인 계수, 스케일링 인자 및 선택적 선형 가중치를 채택한다. 입력 좌표는 B-스플라인 정의 도메인에 맞게 정규화되며, 중간 레이어 출력은 안정성 유지를 위해 $\tanh$ 함수를 사용하여 제한된다.
• 수치 적분: 에너지 적분을 근사하기 위해 다양한 수치 적분 기법(삼각형, 심슨, 사다리꼴, 몬테카를로, 델로네)을 평가한다. 적분 기법의 선택이 특히 높은 응력 구배가 있는 영역에서 솔루션 정확도에 상당한 영향을 미친다는 점을 보여준다.

주요 기여

1. 다중 재료를 위한 PIKA 프레임워크: B-스플라인의 조각별 근사 능력을 활용하여 재료 물성의 불연속성을 자연스럽게 수용함으로써, KAN을 딥 에너지 방법과 통합하는 PIKAN 방법론을 개발하였다.
2. 도메인 분해 제거: 단일 KAN이 전체 다중 재료 도메인에 걸쳐 변위장을 근사할 수 있음을 입증하여, 도메인 분할 및 그에 따른 계면 연속성 페널티 항과 하이퍼파라미터 튜닝의 필요성을 제거하였다.
3. 포괄적 검증: 직선, 물결형, 계단형 계면을 가진 캔틸레버 보, 중앙에 구멍이 있는 이종 플레이트, 그리고 전자 패키징 구조(DBC 기판 및 TGV-Cu 구조)에 대한 광범의한 수치 실험을 수행하였다.
4. 체계적 분석: 수치 적분 기법과 하이퍼파라미터의 민감도에 대한 상세한 조사를 수행하였으며, 재현성을 위해 구현 세부 사항과 소스 코드를 제공한다.

결과

• 정확도 및 견고성: PIKA는 테스트된 모든 다중 재료 구성에서 FEM 참조 솔루션과 매우 우수한 일치를 보였다. 탄성 계수의 차이가 극심한 경우(예: 두 자릿수 차이)에도 계면 근처의 복잡한 변위장과 응력 집중을 성공적으로 포착하였다.
• 도메인 분해와의 비교: 도메인 분해와 별도의 MLP를 사용하는 보존 에너지 신경망(CENN)과 비교했을 때, PIKA는 더 우수한 정확도를 보였다. CENN은 페널티 항을 통해 연속성을 강제하는 과정의 어려움으로 인해, 특히 복잡한 기하학적 구조(물결형 및 계단형 계면)에서 눈에 띄는 변위 불연속성과 응력 진동을 나타냈다.
• 적분 기법 민감도: 삼각형 적분이 일반적으로 가장 빠른 수렴 속도와 높은 정확도를 제공하였다. 델로네 적분은 특히 곡선형 계면에서 낮은 수렴성과 높은 오차를 보여, 변분 PINN에서 적분 기법의 결정적인 역할을 강조하였다.
• 파라미터 효율성: PIKA는 MLP 기반의 CENN 방식에 비해 더 적은 학습 가능 파라미터로 높은 정확도를 달 achieved 하였다. 예를 들어, 캔틸레버 보 예제에서 PIKA는 약 1,050개의 파라미터를 사용한 반면, CENN은 3,500개 이상을 사용하였다.
• 전자 패키징 응용: 본 방법은 DBC 기판의 워핑(warping) 분석과 T-구조(TGV-Cu)의 응력 분포 분석에 성공적으로 적용되었으며, 여기에는 계면 거칠기와 이중 비아(dual-via) 구성이 포함되어 실질적인 유용성을 확인하였다.

의의 및 주장
본 논문은 PIKAN이 전통적인 도메인 분해 방법과 비교하여 다중 재료 고체 역학 문제에 대해 더 간결하고 견고한 솔루션 패러다임을 제공한다고 주장한다. KAN의 조각별 근사 능력을 에너지 기반 프레임워크 내에서 활용함으로써, 계면 제약 처리 및 하이퍼파라미터 튜닝의 복잡성을 제거하여 계산 프레임워크를 단순화하였다. 저자들은 이 접근 방식이 재료 계면이 편재하는 전자 패키징 분석에 특히 적합하다고 제언한다.

본 연구는 KAN의 이론적 수렴성이 여전히 활발한 연구 분야임을 인정하면서도, 이러한 탄성 문제에서의 경험적 성능이 유망함을 밝힌다. 저자들은 현재의 작업이 2D 예시에 국한되어 있으며, 3D 구조로 확장하는 것은 계산 확장성 및 표준 KAN이 3D 물리 법칙($E(3)$ 변환)을 표현하는 데 따르는 이론적 한계와 관련된 과제가 있음을 언급하였다. 향후 연구로는 하이브리드 MLP-KAN 아키텍처 탐색과 엄밀한 수학적 수렴 증명이 제안되었다. 결론적으로 PIKA는 이종 재료 문제에 물리 정보 기반 딥러닝을 적용하는 데 있어 중요한 진전을 이루었으며, 보다 효율적이고 정확한 신뢰성 분석을 위한 경로를 제시한다.