기존의 시뮬레이션 기반 구조 최적설계는 정확도 높은 대리모델을 필요로 하며, 반복적인 계산을 통해 최적해를 구하기 때문에 계산 비용이 높다. 최근 딥러닝의 발전으로 대리모델의 정확도를 높일 수 있게 되었지만, 최적화에는 전통적인 알고리즘이 주로 사용되어 다양한 설계안을 탐색하기에는 여전히 계산 비용이 크게 소모 된다. 본 연구는 허용응력을 만족하면서도 중량은 최소화할 수 있는 설계안을 실시간으로 생성할 수 있는 딥러닝 기반 역설계 프로세스를 제안한다.
제안된 프로세스는 2-pole TV 스탠드에 적용되어 방법론의 타당성과 효용성을 검증하였다. 우선 사출과 압출의 제조 조건을 고려한 파라메트릭 디자인을 통해 딥러닝 학습에 필요한 다량의 2-pole TV 스탠드 데이터를 자동 생성하고, 낙하해석 자동화를 통해 최대 응력 라벨 데이터를 수집한다. 그리고 지도 학습기반 역설계 기법인 tandem network 를 활용하여 최대 허용 응력값과 디자인 조건을 만족하면서 중량을 최소화할 수 있는 최적 설계안을 실시간으로 생성하였다. 또한 동일한 설계 조건에서 다양한 최적설계안을 찾을 수 있는 비지도 학습기반 역설계 기법인 conditional generative adversarial network (cGAN)을 구현하여 tandem network 결과와 비교하였다.
본 연구는 딥러닝 기반 역설계를 통해 구조 경량화 설계가 가능함을 보여주었다. 제안된 프로세스를 이용하여 설계자는 실시간으로 허용응력을 만족하는 경량화 구조 설계안을 생성하고, 중량과 강도 성능간의 상충 관계를 분석하여 최적의 의사결정을 할 수 있다.