High-entropy alloys (HEAs) are alloys that contain multiple principal elements, each in the range of 5–35%. HEAs exhibit excellent properties, however, even with conventional trial-and-error, high-throughput experimentation, and computational materials approaches, exploring their vast compositional space remains highly challenging. Accordingly, data-driven machine learning and generative-model-based inverse design methods are increasingly essential. In this study, we propose a generative-model-enabled HEA inverse design framework aimed at improving ultimate tensile strength (UTS). We first compiled 501 HEA data points from published literature and performed statistical analyses to understand their characteristics. Next, we tuned the hyperparameters of XGBoost and random forest (RF) models via Bayesian optimization, compared their performance with that of a deep neural network (DNN), and selected XGBoost as the optimal predictive model. In the subsequent stage, we trained a PyTorch-based variational autoencoder (VAE) on data from regions of the latent space associated with high-UTS probability. We randomly sampled 1,000 latent vectors, decoded them to generate candidate alloy compositions, and evaluated these candidates using the optimized XGB model. Finally, Shapley additive explanations (SHAP) interpretability analysis and a network plot were used to quantify the contributions and interactions of each feature variable, thereby assessing the physical plausibility of the model-suggested compositions.

본 연구에서는 3D 스캐닝 기반의 역설계 기술과 전과정평가(Life Cycle Assessment, LCA)를 통합하여 실제 생산 공정의 특성을 반영한 디지털 모델을 구축하고 이를 기반으로 선박의 성능과 환경성을 동시에 개선하는 지속가능한 설계 방법을 제안하였다. 연구 대상 인 8m급 복합재료 소형 선박을 3D 스캐닝하여 초기 디지털 모델을 생성하였으며 이후 설계 중량과 실제 측정 중량 간의 차이를 규명하기 위해 수적층(hand lay-up) 공법의 제조 공차, 재료 겹침, 불균일한 수지 분포 등 생산 현장의 비정형적 요소를 모델에 정량적으로 반영하여 실제 제작 상태에 근접한 역설계 모델을 개발하였다. 이를 기준으로 성능 개선 요구사항을 만족시키는 최종 설계안을 도출하고 두 모델 에 대한 전과정평가를 수행하여 환경 영향을 비교 분석하였다. 그 결과 생산 공정의 특성을 고려한 역설계 모델은 실제 선박의 중량과 0.02% 이내의 오차를 보여 높은 정확도를 입증하고 이를 바탕으로 개선된 최종 설계안은 역설계 모델 대비 평균 1.94%의 환경 영향 감소 효과를 보였으며 폴리에스터 수지가 전체 환경 부하의 핵심 요인임을 정량적으로 식별하였다.

Controller modeling is essential for the design. It allows various control techniques to be simulated in advance, and various interpretations can be performed. If this is not the case, we need to reverse engineering in the real system developed by others. In this paper, controller modeling was reversely designed using the frequency test results of the target system. First, the characteristic equation of the target equipment was based on and a block diagram was assumed. Thereafter, controller variables were estimated using the frequency test results for each of the four control loops. In addition, time response simulations were performed using the estimated controller modeling. This method is thought to be of great help to reverse engineering in situations where there is completed equipment but no controller modeling.

일반적인 제품들은 복합곡면의 형상을 가지고 있으며 해석곡면과 자유곡면을 동시에 가지며 응용분야에서 활용할 수 있는 충분한 정보를 가진 모델링 기법이 필요하다. 초기 설계단계에서는 정확한 데이터나 형상이 이루어지지 않기 때문에 지속적인 수정, 보완작업을 통하여 최종 모델에 도달하게 된다. 최근에는 데이터 측정장치의 발달로 물체 표면의 정확한 측정이 가능하게 됨으로써, 측정데이터로부터 곡면을 형성하는 방법에 대한 역설계, CAD/CAM등 여러분야에서 활발히 진행되고 있다. 이에 본 논문은 역설계를 통한 블레이드를 모델링하여 여러가지의 복합곡면을 재구성하였다.