• Polymer(Korea)
• /
• v.26 no.1
• /
• pp.128-138
• /
• 2002

1,3-Bis(2-chloroethyl)-1-nitrosourea (BCNU, Carmustine)-loaded poly(D, L-lactide-co-glycolide) (PLGA, lactide/glycolide mole ratio 75 : 25) microparticles were prepared and fabricated into wafers in an attempt to study the possibility for the treatment of malignant glioma by direct inserting the wafers to the tumor or the cavity remained after surgical resection of the tumor. SEM observation of the microparticles prepared by spray drying method revealed that the microparticles were spherical, i. e. microspheres. Significant reduction of the crystallinity of BCNU encapsulated in PLGA was confirmed by X-ray diffraction and differential scanning calorimetry analyses of the BCNU-loaded PLGA microparticles. Release pattern of BCNU was dependent on several preparation parameters, such as the molecular weight and concentration of PLGA, and initial BCNU loading amount, etc. In vitro release of BCNU was prolonged over 8 weeks with close to zero-order release pattern after initial burst effect. Observations of morphological change of wafers and pH change of release media during release test period confirmed that hydration and degradation of PLGA would be facilitated with an increase of BCNU-loading amount.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.20 no.6
• /
• pp.779-787
• /
• 2007

This paper presents a highly efficient moving least squares finite difference method (MLS FDM) for a heat transfer problem of bi-material with interfacial boundary. The MLS FDM directly discretizes governing differential equations based on a node set without a grid structure. In the method, difference equations are constructed by the Taylor polynomial expanded by moving least squares method. The wedge function is designed on the concept of hyperplane function and is embedded in the derivative approximation formula on the moving least squares sense. Thus interfacial singular behavior like normal derivative jump is naturally modeled and the merit of MLS FDM in fast derivative computation is assured. Numerical experiments for heat transfer problem of bi-material with different heat conductivities show that the developed method achieves high efficiency as well as good accuracy in interface problems.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.5A
• /
• pp.457-465
• /
• 2009

This study presents a moving least squares (MLS) finite difference method for solving elastic crack problems with stress singularity at the crack tip. Near-tip functions are intrinsically employed in the MLS approximation to model near-tip field inducing singularity in stress field. employment of the functions does not lose the merit of the MLS Taylor polynomial approximation which approximates the derivatives of a function without actual differentiating process. In the formulation of crack problem, computational efficiency is considerably improved by taking the strong formulation instead of weak formulation involving time consuming numerical quadrature Difference equations are constructed on the nodes distributed in computational domain. Numerical experiments for crack problems show that the intrinsically enriched MLS finite difference method can sharply capture the singular behavior of near-tip stress and accurately evaluate stress intensity factors.

• Geophysics and Geophysical Exploration
• /
• v.26 no.3
• /
• pp.114-125
• /
• 2023

The physics-informed neural network (PINN) has been proposed to overcome the limitations of various numerical methods used to solve partial differential equations (PDEs) and the drawbacks of purely data-driven machine learning. The PINN directly applies PDEs to the construction of the loss function, introducing physical constraints to machine learning training. This technique can also be applied to wave equation modeling. However, to solve the wave equation using the PINN, second-order differentiations with respect to input data must be performed during neural network training, and the resulting wavefields contain complex dynamical phenomena, requiring careful strategies. This tutorial elucidates the fundamental concepts of the PINN and discusses considerations for wave equation modeling using the PINN approach. These considerations include spatial coordinate normalization, the selection of activation functions, and strategies for incorporating physics loss. Our experimental results demonstrated that normalizing the spatial coordinates of the training data leads to a more accurate reflection of initial conditions in neural network training for wave equation modeling. Furthermore, the characteristics of various functions were compared to select an appropriate activation function for wavefield prediction using neural networks. These comparisons focused on their differentiation with respect to input data and their convergence properties. Finally, the results of two scenarios for incorporating physics loss into the loss function during neural network training were compared. Through numerical experiments, a curriculum-based learning strategy, applying physics loss after the initial training steps, was more effective than utilizing physics loss from the early training steps. In addition, the effectiveness of the PINN technique was confirmed by comparing these results with those of training without any use of physics loss.

• Journal of the KSME
• /
• v.32 no.6
• /
• pp.496-503
• /
• 1992

상사실험법(analogous experimental method)이라 함은 물리적현상을 다른 물리적현상으로 변환 하여, 후자를 실험적으로 측정하여 전자의 제반 물리량을 얻는 과정을 말한다. 이 때 두 물리량 사이에는 수학적 상사관계, 특히 미분방정식 상의 유사관계가 성립함을 전제로 한다. 일반적으로 임의형상의 내부응력을 실험적으로 해석하는 데는 탄소성 변위를 직접 전기적저항으로 바꾸어 측정하는 방법(strain gauge method)이나 광파의 간섭무늬(fringe)로 가시화하는 광탄성 법(photoelastic method), 또는 전자계산기를 이용하여 분할요소해석의 연계집적으로서 얻는 유 한요소법(F.E.M) 등이 널리 사용되고 있으나, 이들은 다같이 그 나름대로의 장단점을 지니고 있다. 전기저항식은 변형을 직접 측정할 수 있어 측정의 오차를 줄일 수 있고, 특히 실물측정과 동하중 해석에는 큰 강점이 있으나, 점해석(point by analysis)이기 때문에 전시야적인 분포를 파악하기 어렵다. 또한 광탄성법은 명료한 전시야적 분포를 얻을 수 있지만 모형해석(model analysis)이기 때문에 정밀한 모형제작의 어려움이 수반되며, F.E.M.(B.E.M.도 포함)은 복잡한 형상에서의 요소분할이 매우 어렵고, 경계조건의 정확한 설정에 문제가 있다. 따라서 여러 실험적 방법은 실측대상에 따라 그 장단점을 감안하여 선택되어야 하며, 이 글에서 논술하고자 하는 상사실험법에 의한 응력해석도 이러한 관점에서 지금까지의 일련의 연구결과를 종합하여 그 효 용적인 용도, 응용 및 그 전망과 더불어 장차 해결하여야 할 2,3의 문제를 제시하고자 한다.

• Computational Structural Engineering
• /
• v.11 no.1
• /
• pp.161-170
• /
• 1998

A general formulation of the long cylinder tolerance design for the joint structure is here presented. The aim of this paper is to calculate the tolerance of joint by defining tolerance as a kind of uncertainty and to obtain the robustness of the joint structure. It is formulated on the bases of the minimum sensitivity theorem. The objective function is the tolerance sensitivity for the Von-Mises stress. It also took into full account the stress, displacement and weight constraints. PLBA(Pshenichny-Lim-Belegundu-Arora) algorithm is used to solve the constrained nonlinear optimization problem. The finite element analysis is performed with CST(Constant-Strain-Triangle) axisymmetric element. Sensitivities for design variables are calculated by the direct differentiation method. The numerical result is presented for the cylindrical structure where the joint tolerance is treated as random variables.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.289-292
• /
• 2005

본 논문에서는 클러스터링과 뉴로-퍼지 모델링을 동시에 실시하는 학습 기법을 제안하였다. 클러스터링을 이용하여 뉴로-퍼지 모델링을 실시하는 일반적인 경우, 클러스터링 학습을 실시한 후 학습된 파라미터를 뉴로-퍼지 모델의 초기 파라미터로 설정하고 모델을 다시 학습하는 방법을 취한다. 즉 클러스터링에서 클러스터의 수를 구하고 파라미터를 최적화함으로써 초기 구조동정과 파라미터 동정을 실시하며 이를 다시 뉴로-퍼지 모델에서 세부적인 파라미터 동정을 실시하는 것이다. 또한 모델에서의 학습은 출력데이터의 오차를 이용한 오차미분기반 학습으로 전제부 소속함수 파라미터를 수정하는 방법을 이용한다. 이 경우 클러스터링의 영향과 모델의 영향이 각각 별개로 고려될 수 있다. 따라서 본 논문에서는 클러스터링을 전제부 소속함수로 부여하고 클러스터링의 학습에 뉴로-퍼지 모델을 이용하면서 또한 모델의 학습에 클러스터링을 직접 적용하는 클러스터링 기반 뉴로-퍼지 모델링을 제안하였으며 이 경우 클러스터링의 학습과 모델의 학습이 동시에 이루어지며 뉴로-퍼지 모델에서 클러스터링의 효과를 직접적으로 확인할 수 있다. 제안된 방법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.186-186
• /
• 2022

강수 및 침투 등으로 발생하는 지하수위의 변동을 예측하는 것은 지하수 자원의 활용 및 관리에 필수적이다. 지하수위의 변동은 지하수 자원의 활용 및 관리뿐만이 아닌 홍수 발생과 지반의 응력상태 등에 직접적인 영향을 미치기 때문에 정확한 예측이 필요하다. 본 연구는 인공신경망 중 다층퍼셉트론(Multi Layer Perceptron, MLP)을 이용한 지하수위 예측성능 향상을 위해 MLP의 구조 중 Optimizer를 개량하였다. MLP는 입력자료와 출력자료간 최적의 상관관계(가중치 및 편향)를 찾는 Optimizer와 출력되는 값을 결정하는 활성화 함수의 연산을 반복하여 학습한다. 특히 Optimizer는 신경망의 출력값과 관측값의 오차가 최소가 되는 상관관계를 찾는 연산자로써 MLP의 학습 및 예측성능에 직접적인 영향을 미친다. 기존의 Optimizer는 경사하강법(Gradient Descent, GD)을 기반으로 하는 Optimizer를 사용했다. 하지만 기존의 Optimizer는 미분을 이용하여 상관관계를 찾기 때문에 지역탐색 위주로 진행되며 기존에 생성된 상관관계를 저장하는 구조가 없어 지역 최적해로 수렴할 가능성이 있다는 단점이 있다. 본 연구에서는 기존 Optimizer의 단점을 개선하기 위해 지역탐색과 전역탐색을 동시에 고려할 수 있으며 기존의 해를 저장하는 구조가 있는 메타휴리스틱 최적화 알고리즘을 이용하였다. 메타휴리스틱 최적화 알고리즘 중 구조가 간단한 화음탐색법(Harmony Search, HS)과 GD의 결합모형(HS-GD)을 MLP의 Optimizer로 사용하여 기존 Optimizer의 단점을 개선하였다. HS-GD를 이용한 MLP의 성능검토를 위해 이천시 지하수위 예측을 실시하였으며 예측 결과를 기존의 Optimizer를 이용한 MLP 및 HS를 이용한 MLP의 예측결과와 비교하였다.

• Proceedings of the Korean Society for Technology of Plasticity Conference
• /
• 2001.10a
• /
• pp.93-96
• /
• 2001

Design sensitivity is calculated in the sheet metal forming process with an elasto-plastic finite element analysis and a direct differentiation method The sensitivity analysis is concerned with the time integration the constitutive relation considering planar anisotropy, shell elements and the contact scheme. The present result is compared with the result obtained with the finite difference approach in deep drawing processes. The obtained sensitivity information is applied to the simple optimization process for the sheet metal forming process.

• Korean Journal of Optics and Photonics
• /
• v.14 no.4
• /
• pp.423-428
• /
• 2003

In a direct modulated semiconductor laser diode. the structural dependence of current blocking layers was studied in view of the leakage current reduction and the bandwidth expansion. To analyze the leakage current and the parasitic effects, the current-voltage derivation characteristics and the subtraction method were used, respectively. It was shown that the‘inin’type current blocking structure might be the best choice for the purpose of the static and dynamic characteristics.