기계학습을 활용한 열화 재료의 초음파 신호 생성 (Generation of Ultrasonic Signals for Aged Materials through Machine Learning)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 43권 / 3호 / 203 ~ 209페이지
· 저자명 : 김진겸, 장창희, 강성식

초록

본 연구는 기계학습 모델을 통해 열화된 원자력 구조재료의 초음파 신호를 생성하는 것을 목표로 한다. 변분 오토인코더(variational auto-encoder) 모델을 통해 초음파 신호를 생성하였으며, 수학적으로 설명가능한 방법으로 생성 데이터의 재현성을 확인하였다. 생성된 신호의 품질을 검증하기 위해 두 가지 기계학습분류 모델(k-nearest neighbor 및 multi-layer perceptron)을 사용하였다. 이를 통해 생성된 초음파 신호가 실험데이터와 유사한 특성을 가지고 있음을 확인하였고, 적은 양의 실험 데이터를 활용하여 많은 양의 새로운 초음파 신호를 생성할 수 있음을 확인하였다.

영어초록

This study aims to generate ultrasonic signals of aged nuclear structural materials through machine learning models. Ultrasonic signals were generated using a variational auto-encoder model with a mathematically explainable and reproducible method. Two machine learning models for classification (k-nearest neighbor and multi-layer perceptron) were used to verify the quality of the generated signals. It was confirmed that the generated ultrasonic signals possessed characteristics similar to those of the experimental data, which implies that a large number of new ultrasonic signals can be generated using a small amount of data collected through experiments.

참고자료

· 없음