← 전체 목록 2026-07-27

주간 AI ｜ AI 활용 기계공학 논문 브리핑

매주 월요일 · 임팩트와 최신 트렌딩에서 트랙별 2편을 한국어로 요약합니다

이번 주 4편
AI ProB를 활용한 프롤로그 전이 시스템의 애니메이션, 검증 및 시각화 AI AREX: 심층 연구를 위한 재귀적으로 자체 개선하는 에이전트를 향하여 AI 활용 기계공학 복합 패널 특성화를 위한 실험, 수치 보정 및 AI 대체 모델 결합 다단계 프레임워크 AI 활용 기계공학 구성 모델링에서 불확실성 정량화 및 전파를 위한 구간 및 퍼지 물리학 증강 신경망 (iPANN 및 fPANN)

AI 2편

cs.LO, cs.AI, cs.GT · 발표 2026-07-23임팩트

Animation, Verification and Visualisation of Prolog Transition Systems with ProB

ProB를 활용한 프롤로그 전이 시스템의 애니메이션, 검증 및 시각화

Jan Gruteser, Michael Leuschel, Katharina Engels, Fabian Vu
인용 1
  • ProB는 고수준 형식 명세를 위한 프롤로그(Prolog) 기반 모델 검사기, 애니메이터 및 제약 조건 해결기입니다.
  • 본 연구는 ProB의 기존 프롤로그 애니메이션 모드 기능과 최근 확장된 기능을 소개합니다.
  • 확장된 기능에는 통계 검사를 위한 시뮬레이션, 안정적인 추적 재생, 사용자 입력 전환, 개선된 상태 시각화가 포함됩니다.
  • 새로운 기능은 Connect Four와 같은 게임 플레이 전략 평가 사례 연구에 적용되어 유용성을 입증했습니다.
  • 이 기능들은 Event-B 증명 의무를 위한 ProB의 새로운 시퀀트 증명기와 교육용 시연 모델에 활용될 수 있습니다.
TLDR (Semantic Scholar): The existing features of ProB's Prolog animation mode and its recent extensions are presented and the extended capabilities include simulation for statistical checks, more reliable trace replay, transitions with user input and improved state visualisation are applied.
#모델 검증#프롤로그#전이 시스템#시각화
arXiv PDF Semantic Scholar
cs.AI · 발표 2026-07-23최신

AREX: Towards a Recursively Self-Improving Agent for Deep Research

AREX: 심층 연구를 위한 재귀적으로 자체 개선하는 에이전트를 향하여

Shuqi Lu, Chaofan Li, Kun Luo, Zhang Zhang, Hui Wang, Hongwang Xiao, Zheng Liu, Lei Xiong 외 16명
HF upvotes 118
  • 심층 연구는 여러 제약 조건을 만족하는 답을 찾는 데 많은 비용이 듭니다.
  • AREX는 재귀적으로 자체 개선(RSI)하는 에이전트로, 중간 결과를 검증하며 답을 개선합니다.
  • AREX는 증거 수집과 임시 답 구성, 그리고 제약 조건별 검토를 반복하며 작동합니다.
  • AREX는 다양한 벤치마크에서 동급 모델보다 우수하며, 더 큰 모델과도 경쟁합니다.
  • 이 에이전트는 자율적인 컨텍스트 업데이트 도구로 장기적인 RSI를 유지합니다.
TLDR (Semantic Scholar): This work introduces AREX, a family of Recursively Self-Improving (RSI) deep research agents that substantially outperforms comparable-scale baselines and remains competitive with models using substantially more activated parameters.
#AI 에이전트#심층 연구#자체 개선#강화 학습
arXiv PDF Semantic Scholar

AI 활용 기계공학 2편

· 발표 2025-10-28임팩트

A Multi-Stage Framework Combining Experimental Testing, Numerical Calibration, and AI Surrogates for Composite Panel Characterization

복합 패널 특성화를 위한 실험, 수치 보정 및 AI 대체 모델 결합 다단계 프레임워크

Marcello Fulgione, S. Palladino, L. Esposito, Sina Sarfarazi, Mariano Modano
인용 15매칭: machine learning, neural network, finite element, elastic, mechanical, relevance:0.80
  • 복합 패널은 기계적 특성 파악과 모델링이 어려워 새로운 접근법이 필요합니다.
  • 이 연구는 실험, 수치 시뮬레이션, AI를 통합한 하이브리드 프레임워크를 제안합니다.
  • 실제 굽힘 및 전단 시험으로 변위를 측정하고 유한요소 시뮬레이션과 비교했습니다.
  • 등가 탄성 계수는 실험값과 3% 미만, 건물 동적 응답은 10% 미만 차이를 보였습니다.
  • 이 프레임워크는 복합 패널 설계를 빠르고 효율적으로 최적화하는 데 기여합니다.
#복합 패널#기계적 특성화#AI 대체 모델#하이브리드 프레임워크
arXiv PDF Semantic Scholar
cs.LG, physics.comp-ph · 발표 2026-07-22최신

Interval and fuzzy physics-augmented neural networks (iPANN and fPANN) for uncertainty quantification and propagation in constitutive modeling

구성 모델링에서 불확실성 정량화 및 전파를 위한 구간 및 퍼지 물리학 증강 신경망 (iPANN 및 fPANN)

Somesh Pratap Singh, Govinda Anantha Padmanabha, Jingye Tan, Steven Yang, Reese E. Jones, D. Thomas Seidl, Nikolaos Bouklas
매칭: neural network, finite element, elastic, deform, stress, relevance:0.85
  • 신뢰할 수 있는 역학 시뮬레이션에서 불확실성 하의 구성 모델링은 여전히 주요 과제입니다.
  • 이 연구는 불확실성을 고려한 초탄성 구성 모델링을 위해 iPANN과 fPANN을 제안합니다.
  • iPANN은 하한, 평균, 상한 자유 에너지 밀도 가지를 학습하여 노이즈가 있는 응력 관측값을 포괄합니다.
  • 제안된 프레임워크는 합성 초탄성 데이터에서 노이즈가 있는 응력 관측값을 포괄하며 테스트 세트에도 일반화됩니다.
  • 이 방법은 초탄성 구성 모델링에서 분포에 구애받지 않는 불확실성 정량화 및 전파를 제공합니다.
TLDR (Semantic Scholar): The proposed framework provides a compact, physics-consistent route for distribution-free aleatoric uncertainty quantification in hyperelastic constitutive modeling, and propagation in downstream finite element simulations.
#불확실성 정량화#신경망#구성 모델링#초탄성
arXiv PDF Semantic Scholar
←전체 주차 목록으로

선정 기준: 임팩트(최근 365일, 영향력 인용 가중) + 최신(최근 14일) · 요약 엔진: openai_compat