Discovering the mechanics of ultra-low density elastomeric foams in elite-level racing shoes

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 최근 탄소 섬유 플레이트와 초저밀도 탄성 폼 (ultra-low density elastomeric foams) 을 결합한 레이싱 신발 (예: Nike Alphafly, Asics Metaspeed) 이 마라톤 기록 단축에 혁신적인 기여를 하고 있습니다. 이러한 신발은 경량화, 높은 쿠셔닝, 효율적인 에너지 반환을 통해 달리기 경제성 (running economy) 을 향상시킵니다.
• 문제:
  • 모델링의 부재: 이러한 초저밀도 폼의 기계적 거동은 높은 압축성, 비선형 탄성, 미세 구조적 이질성으로 인해 매우 복잡하며, 기존 constitutive 모델 (본 constitutive 모델) 로 정확하게 묘사하기 어렵습니다.
  • 데이터의 비공개: 제조사들은 폼의 물성치를 비밀로 유지하여, 연구자들이 폼의 역학적 특성을 정량화하거나 신발 성능을 시뮬레이션하는 데 어려움을 겪고 있습니다.
  • 부상 위험: 낮은 전단 강도 (shear stiffness) 로 인해 코너링이나 불규칙한 지형에서의 안정성이 떨어지고 부상 위험이 증가할 수 있으나, 이를 정량적으로 분석할 수 있는 모델이 부족합니다.
  • 보행 시뮬레이션의 한계: 기존 보행 (gait) 시뮬레이션은 발과 신발의 재료 역학을 정확히 반영하지 못해 지면 반발력 예측 오차가 큽니다.

2. 연구 방법론 (Methodology)

이 연구는 기계적 시험과 머신러닝 (구성 신경망) 을 통합하여 두 가지 상용 폼의 역학을 규명했습니다.

• 시료 준비 및 재료:
  • 아시크스 (Asics) 메타스피드 (Metaspeed) 시리즈 (Edge 와 Sky) 에 사용된 두 가지 독점 폼인 **FF LEAP™**와 FF TURBO™ PLUS를 추출하여 사용했습니다.
  • 신발에서 폼을 분리하고, 인장, 압축, 전단 시험을 위한 시편 (직사각형 및 원통형) 을 제작했습니다.
• 기계적 시험 (Mechanical Testing):
  • 시험 모드: 단축 인장 (uniaxial tension), 비구속 압축 (unconfined compression), 구속 압축 (confined compression), 단순 전단 (simple shear).
  • 조건: 각 폼당 5 개의 시료를 대상으로 하며, 인장 (λ=1.63.0), 압축 (λ=0.41.0), 전단 (γ=0.25) 범위에서 사이클링 하중을 가했습니다.
  • 데이터 처리: 히스테리시스 (hysteresis) 와 무른 (Mullins) 효과를 고려하여 1 회 사이클 데이터를 제외하고 평균 응력 - 신장 곡선을 도출했습니다.
• 자동화된 모델 발견 (Automated Model Discovery):
  • 구성 신경망 (Constitutive Neural Networks): 등방성 (isotropic) 가역 탄성 (hyperelastic) 모델을 자동 발견하기 위해 딥러닝 프레임워크를 사용했습니다.
  • 입력 변수: 불변량 (invariants, $\bar{I}_1, \bar{I}_2, J$) 과 주 신장 (principal stretches, $\lambda_1, \lambda_2, \lambda_3$).
  • 모델 구조: 단일 불변량 항, 혼합 불변량 항 (mixed-invariant), 주 신장 항 (principal-stretch) 을 포함한 자유 에너지 함수 ($\psi$) 를 구성했습니다.
  • 최적화: 희소성 (sparsity) 을 유도하는 $L_{0.5}$ 정규화를 적용하여, 최소한의 항으로 실험 데이터를 가장 잘 설명하는 해석 가능한 모델을 선택했습니다.

3. 주요 결과 (Key Results)

A. 기계적 특성 (Mechanical Properties)

• 인장 - 압축 비대칭성 (Tension-Compression Asymmetry): 두 폼 모두 압축보다 인장에 훨씬 더 높은 강성을 보였습니다.
  • FF LEAP™: 인장 강성 623 kPa, 압축 강성 299 kPa.
  • FF TURBO™ PLUS: 인장 강성 884 kPa, 압축 강성 268 kPa.
  • 비교: FF TURBO™ PLUS 는 FF LEAP™ 대비 인장 강성이 약 42% 높고, 전단 강성 (Shear Stiffness) 은 거의 2 배 (219 kPa vs 117 kPa) 높았습니다. 이는 FF TURBO™ PLUS 가 측면 안정성이 훨씬 뛰어나다는 것을 의미합니다.
• 포아송 비 (Poisson's Ratio): 구속 및 비구속 압축 시험 결과 차이가 미미하여, 유효 포아송 비가 **0 에 가깝다 ($\nu \approx 0$)**는 것을 확인했습니다. 이는 수평 변형이 거의 발생하지 않음을 의미합니다.
• 에너지 반환 (Energy Return):
  • 인장 및 압축에서 매우 높은 에너지 반환율 (약 85~94%) 을 보여 효율적인 에너지를 저장하고 반환함을 확인했습니다.
  • 전단 모드에서는 상대적으로 낮은 에너지 반환 (약 74~76%) 을 보였습니다.

B. 발견된 구성 모델 (Discovered Constitutive Models)

• 단일 불변량 모델의 한계: 기존에 널리 쓰이는 단일 불변량 ($\bar{I}_1, \bar{I}_2, J$) 만으로는 폼의 강한 인장 - 압축 비대칭성을 설명할 수 없었습니다 ($R^2$ 값이 낮음).
• 성공적인 모델:
  • 혼합 불변량 항 (Mixed-invariant terms) 또는 주 신장 항 (Principal-stretch terms) 을 추가한 모델이 모든 하중 모드 (인장, 압축, 전단) 에서 $R^2 \approx 0.99$ 이상의 높은 정확도를 달성했습니다.
  • FF LEAP™ 모델: 단일 불변량 항 + 혼합 불변량 항 ($J^k(\bar{I}_1-3)$ 형태) 으로 구성.
  • FF TURBO™ PLUS 모델: 지수 함수 형태의 단일 불변량 항 + 혼합 불변량 항 + 주 신장 항으로 구성.
  • 이 모델들은 3~4 개의 항만으로 복잡한 폼의 거동을 매우 간결하고 해석 가능하게 표현했습니다.

4. 주요 기여 (Key Contributions)

1. 초저밀도 폼의 정량적 역학 규명: 상용 레이싱 신발에 사용된 두 가지 독점 폼의 인장, 압축, 전단 특성을 체계적으로 측정하고 비교 분석했습니다.
2. 새로운 구성 모델 발견: 머신러닝 기반의 구성 신경망을 통해, 기존 이론으로는 설명하기 어려웠던 초저밀도 폼의 강한 인장 - 압축 비대칭성과 낮은 전단 강성을 정확히 포착하는 새로운 물리 기반 모델을 개발했습니다.
3. 해석 가능한 AI 모델: 복잡한 딥러닝 모델을 단순한 수학적 식 (compact, interpretable models) 으로 변환하여 공학적 활용도를 높였습니다.
4. 디자인 통찰: 아시크스 메타스피드 시리즈의 Edge 와 Sky 가 서로 다른 폼 배치를 통해 다른 러너 (주파수 중심 vs 보폭 중심) 에게 최적화된 역학적 이점 (수직 쿠셔닝 대 측면 안정성) 을 제공함을 역학적으로 증명했습니다.

5. 의의 및 영향 (Significance)

• 운동 성능 및 부상 예방: 발견된 모델을 통해 유한 요소 (FE) 및 보행 시뮬레이션이 가능해져, 개별 선수의 달리기 경제성, 성능 향상, 그리고 부상 위험 (특히 코너링 시 측면 불안정성) 을 정량적으로 평가할 수 있는 기반을 마련했습니다.
• 재료 과학 및 로봇 공학: 이 연구는 초경량 다공성 소재 (polymeric foams) 의 모델링을 위한 확장 가능하고 해석 가능한 프레임워크를 제시했습니다. 이는 웨어러블 기술, 소프트 로봇, 에너지 효율적인 이동 시스템 등 다양한 분야에 적용될 수 있습니다.
• 디자인 최적화: 제조사들이 폼의 미세 구조와 화학적 조성을 조절하여 원하는 기계적 특성 (쿠셔닝 vs 안정성) 을 설계하는 데 필요한 과학적 근거를 제공합니다.

결론적으로, 이 연구는 머신러닝과 실험 역학을 결합하여 엘리트 레이싱 신발의 핵심 소재인 초저밀도 폼의 복잡한 역학을 해독하고, 이를 통해 더 안전하고 효율적인 신발 설계 및 개인 맞춤형 훈련 전략 수립을 가능하게 하는 중요한 이정표입니다.