Data-driven constitutive model of complex fluids using recurrent neural networks

저자

Howon Jin, Sangwoong Yoon, Frank C. Park, 안경현 (Kyung Hyun Ahn)

연구주제

Rheology and Fluid Dynamics Studies · Model Reduction and Neural Networks · Machine Learning in Materials Science

NTIS 과학기술표준분류

가장 가까운 분류(원자력 > 핵연료주기/방사성폐기물관리기술 > 원자력시설 제염/해체 및 환경복원 기술)가 화학·화공 범위 밖이다. 배정 근거: 지원 과제의 분류와 AI 키워드가 잡은 과제의 분류를 반씩.

AI 연구 키워드·방법

복합유체 data driven constitutive model giesekus model

recurrent neural network

키워드 (OpenAlex)

constitutive equations complex fluids recurrent neural networks Giesekus model oscillatory shear shear modulus normal stress fading memory

초록

이 논문을 지원한 국가R&D 과제 (NTIS 성과)

연도	과제	부처	사업	수행기관	NTIS 분류(1순위)
2023	코팅기반 화학공정 연구센터	과학기술정보통신부	집단연구지원	서울대학	화공 > 화학공정 > 기초유기소재 공정기술
2023	화공분야연구인력양성사업단	교육부	4단계두뇌한국21사업	서울대학	–
2023	목적지향 인공지능 생성 및 추론 기술 개발	과학기술정보통신부	사람중심인공지능핵심원천기술개발	서울대학	범위 밖
2023	인공지능 혁신 허브 연구 개발	과학기술정보통신부	정보통신방송혁신인재양성	고려대학	–