• 기계저널
• /
• 제57권6호
• /
• pp.37-41
• /
• 2017

이 글에서는 분자동역학 및 탄성 네트워크 모델 기반 계산과학 기법을 이용하여 단백질의 역학적 거동 해석에 대한 연구를 소개하고자 한다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2008년도 추계학술대회논문집
• /
• pp.668-669
• /
• 2008

In this paper, we introduce various coarse-grained elastic network modeling (ENM) techniques as a novel computational method for simulating atomic scale dynamics in macromolecules including DNA, RNA, protein, and polymer. In ENM, a system is modeled as a spring network among representative atoms in which each linear elastic spring is well designed to replace both bonded and nonbonded interactions among atoms in the sense of quantum mechanics. Based on this simplified system, a harmonic Hookean potential is defined and used for not only calculating intrinsic vibration modes of a given system, but also predicting its anharmonic conformational change, both of which are strongly related with its functional features. Various nano and bio applications of ENM such as fracture mechanics of nanocomposite and protein dynamics show that ENM is one of promising tools for simulating atomic scale dynamics in a more effective and efficient way comparing to the traditional molecular dynamics simulation.

• 기계저널
• /
• 제56권5호
• /
• pp.43-45
• /
• 2016

이 글에서는 DNA 염기서열의 자가조립 현상을 활용한 다양한 나노구조물의 설계 및 합성 사례를 소개하고 합성된 나노구조물의 동특성을 탄성네트워크모델(Elastic Network Model, 이하 ENM) 기법을 통해 해석해 봄으로써 향후 DNA 기반 나노구조물 합성 및 응용연구의 기반 기술을 제시하고자 한다.

• 소음진동
• /
• 제23권4호
• /
• pp.3-9
• /
• 2013

• 항공우주시스템공학회지
• /
• 제18권1호
• /
• pp.21-28
• /
• 2024

본 논문에서는 회전익 블레이드의 단면 구조 정보를 통해 블레이드의 단면 강성을 예측하고, 재료 정보를 이용하여 단면 강성을 예측할 수 있는 심층 신경망 기반 네트워크 예측 모델의 설계 및 적절성 검토를 수행하였다. 재료 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드 단면 부재 재료의 탄성 계수를 네트워크의 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 또한, 단면 구조 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드의 단면을 구성하는 단면 부재의 위치와 두께 정보를 네트워크 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 각 예측 모델은 심층신경망 구조를 기반으로 설계하였으며, 단면 해석 프로그램인 KSAC2D를 통한 단면 해석 결과를 네트워크의 훈련 및 검증 데이터로 사용하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2008년도 춘계학술대회논문집
• /
• pp.476-479
• /
• 2008

Understanding the dynamics of proteins is essential to gain insight into biological functions of proteins. The protein dynamics is delineated by conformational fluctuation (i.e. thermal vibration), and thus, thermal vibration of proteins has to be understood. In this paper, a simple mechanical model was considered for understanding protein's dynamics. Specifically, a mechanical vibration model was developed for understanding the large protein dynamics related to biological functions. The mechanical model for large proteins was constructed based on simple elastic model (i.e. Tirion's elastic model) and model reduction methods (dynamic model condensation). The large protein structure was described by minimal degrees of freedom on the basis of model reduction method that allows one to transform the refined structure into the coarse-grained structure. In this model, it is shown that a simple reduced model is able to reproduce the thermal fluctuation behavior of proteins qualitatively comparable to original molecular model. Moreover, the protein's dynamic behavior such as collective dynamics is well depicted by a simple reduced mechanical model. This sheds light on that the model reduction may provide the information about large protein dynamics, and consequently, the biological functions of large proteins.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제28권2호
• /
• pp.1-9
• /
• 2022

본 논문에서는 균열을 감지 할 때 필요한 데이터를 생성할 수 있는 벡터 기반 증강 기법과 이를 학습할 수 있는 합성곱 인공신경망(Convolution Neural Networks, ConvNet) 기법을 제안한다. 균열을 빠르고 정확하게 감지하는 것은 건물 붕괴와 낙하 사고를 사전에 방지할 수 있는 중요한 기술이다. 이 문제를 인공지능으로 해결하기 위해서는 대량의 데이터 확보가 필수적이지만, 실제 균열 이미지를 얻기 위한 상황은 대부분 위험하기 때문에 대량의 균열 데이터를 확보하기는 어렵다. 이런 데이터베이스 구축의 문제점은 인위적인 특정 부분에 변형을 주어 데이터의 양을 늘리는 탄성왜곡(Elastic distortion)으로 완화시킬 수 있지만, 본 논문에서는 이보다 향상된 균열 패턴 결과를 ConvNet을 활용하여 모델링한다. 탄성왜곡보다 우리의 방법이 실제 균열 패턴과 유사하게 추출된 결과를 얻을 수 있었고, 일반적인 데이터 증강에서 사용되는 픽셀 단위가 아닌, 벡터 기반으로 균열 데이터 증강을 설계함으로써 균열의 변화량 측면에서 우수한 결과를 얻을 수 있다. 결과적으로 본 논문에서는 적은 개수의 균열 데이터를 입력으로 사용했음에도 불구하고 균열의 방향 및 패턴을 다양하게 생성하여 효율적으로 균열 데이터베이스를 구축할 수 있다.

• 한국터널지하공간학회 논문집
• /
• 제21권5호
• /
• pp.675-687
• /
• 2019

최근 대도시에는 교통량의 증가와 높은 토지 보상비 등으로 인해 도로 확충 시 대심도 복층 터널의 필요성이 증가하고 있으며, 국내에서도 일반적인 터널보다 단면이 작고 지하에서 다른 터널과 교차하는 네트워크형 터널이 계획되고 있다. 본 연구에서는 쉴드 터널 분기부에 있어서 기존 터널과 확폭부를 연결하는 연결상세에 있어 기존의 전단면 강재 접합부 대신 휨모멘트가 크게 발생하는 연결부에만 강재를 사용하는 부분 강재-콘크리트 접합부 상세와 쉴드 터널 분기부의 확폭 구간의 해석은 3차원 거동효과를 반영하기 위해 확폭부 시종점 구간의 기둥 효과와 종방향 부재의 강성효과를 고려할 수 있는 2차원 해석모델을 검토하였다. 2차원 해석기법으로 확폭부 시종점 구간에서 종방향 부재의 강성을 횡방향 모델에서 연결부의 탄성스프링 지점으로 고려하여 종방향 부재의 강성과 시종점부의 기둥효과를 반영하는 방법을 제안하였다. 제안된 2차원 해석기법을 이용한 구조해석 결과 일정값 이상의 강성을 갖는 종방향부재를 도입하면 접합부와 박스부의 휨모멘트를 저감 시킴으로써 부분 강재-콘크리트 접합부의 구조 안전성을 확보할 수 있는 것으로 검토되었다.