본 연구는 복합재료 역학을 위한 다중 충실도 서브로게이트 모델링에 대한 체계적인 개요를 제공하며, 실험 및 고충실도 시뮬레이션의 반복적인 필요성을 줄여 복합재료 예측 모델링의 비용을 절감하는 데 초점을 맞춥니다.
공동 크리깅, 자동 회귀 공식, 다중 충실도 딥 가우시안 프로세스, 다중 충실도 신경망 등 다양한 가우시안 프로세스 기반 방법과 신경망 기반 방법들을 검토하고, 이들의 차이점을 분석합니다.
다중 충실도 서브로게이트 모델은 재료 설계 공간 탐색, 복합재료 매개변수 식별 및 설계 검색, 다양한 데이터 소스 통합 등 다양한 엔지니어링 문제에 적용됩니다.