미세구조 특성의 불확실성은 재료 특성에 많은 영향을 준다. 시멘트 기반 재료의 공극 분포 특성은 재료의 역학적 특성에 큰 영향을 미치며, 재료에 랜덤하게 분포되어 있는 많은 공극은 재료의 물성 예측을 어렵게 한다. 공극의 특성 분석과 재료 응답 간의 상관관계 규명에 대한 기존 연구는 통계적 관계 분석에 국한되어 있으며, 그 상관관계가 아직 명확히 규명되어 있지 않다. 본 연구에서는 합성곱 신경망(CNN, convolutional neural network)을 활용한 이미지 기반 데이터 접근법을 통해 시멘트 기반 재료의 역학적 응답을 예측하 고, 공극분포와 재료 응답의 상관관계를 분석하였다. 머신러닝을 위한 데이터는 고해상도 마이크로-CT 이미지와 시멘트 기반 재료의 물성(인장강도)로 구성하였다. 재료의 메시 구조 특성을 분석하였으며, 재료의 응답은 상장균열모델(phase-field fracture model)에 기 반을 둔 2D 직접 인장(direct tension) 유한요소해석 시뮬레이션을 활용하여 평가하였다. 입력 이미지 영역의 기여도를 분석하여 시편 에서 재료 응답 예측에 가장 큰 영향을 미치는 영역을 CNN을 통하여 식별하였다. CNN 과정 중 활성 영역과 공극분포를 비교 분석하 여 공극분포특성과 재료 응답의 상관관계를 분석하여 제시하였다.

The multi-layer combination provides a very narrow pore size distribution in a specific pore size range. By utilizing the multi-layer design equations developed for each individual layer of known pore properties, it is possible to design the multi-layer microfiltration media precisely to a tailor pore size distribution.

대표적인 다상 재료인 콘크리트는 구성 성분의 공간적 분포에 의해 재료 특성이 큰 영향을 받는다. 특히 공극(void)은 콘크리트의 특성에 큰 영향을 주는 요인으로서, 콘크리트 내부에 분포하는 공극의 공간적 분포를 파악하는 것은 재료의 특 성을 이해하는데 매우 중요하다. 본 연구에서는 콘크리트 내부에 존재하는 경량 골재의 공극 분포 분석을 위해서, CT(computed tomography)로부터 얻은 단면 이미지를 활용하여 생성된 3차원 경량 골재 이미지를 활용하여 공극 분포를 시각화(visualization)하였다. 방향에 따른 3차원 경량 골재 내부의 공극 분포 상태를 정성적으로 묘사하기 위해서 확률 분 포 함수인 두점 상관함수(two-point correlation function)를 사용하여 공극의 공간적 분포 경향을 구(sphere)에 표현하였다. 또한 방향에 대한 골재의 강성도(stiffness)를 계산하여 각 방향에 따른 골재의 역학적 물성치 분포 변화를 확인하였다. 각 방향으로의 확률 분포 함수로 표현된 공극 분포와 강성도 분석함으로서 CT 이미지를 통한 공극 분포 특성 분석 및 경량 골재의 역학적 특성을 효과적으로 예측할 수 있음을 확인하였다.

콘크리트내의 공극률은 콘크리트 구조물의 내구적인 특성과 밀접한 관련성이 있다. 특히, 콘크리트 시공시 가수된 물은 콘크리트의 비빔과 작업성에 일시적으로 도움이 되지만, 이러한 가수는 콘크리트의 공극을 증가하게 하며, 이는 콘크리트 구조물의 내구적인 성능저하를 야기하게 된다. 본 연구에서는 물시멘트비 0.45의 시멘트 모르타르에 대하여, 단위수량을 증가시켜 물멘트비를 0.45에서 0.60으로 증가시키면서 내구성능을 평가하였다. 즉, 각 물시멘트별로 소정의 재령까지 양생한 시험체에 대하여 강도, 염화물 확산, 투기성, 포화도 및 수분 확산계수 등의 다양한 내구성 실험을 수행하였으며, 이러한 실험결과들은 변화하는 공극률과 함께 분석되었다. 또한 내구성능의 변화 비율 및 그 패턴은 공극분포, 공극률, 그리고 단위수량을 고려하여 정량적으로 평가되었다.