초록:
과제 수행 결과물 인공지능 기계학습 기반 최적화 기법을 이용한 복잡유체 완화모듈러스 예측: Bayesian Optimization, Reinforcement Learning, Hybrid 접근의 비교 연구 이윤준.정소민.노아진 한성과학고등학교 Prediction of Complex Fluid Mitigation Modulus Using AI Machine Learning-Based Optimization Techniques: A Comparative Study of Bayesian Optimization, Reinforcement Learning, Hybrid Approach Lee Yoon-joon, Jung So-min, and Noh Ah-jin Hanseong Science High School 본 연구는 복잡유체의 선형 점탄성 응답을 나타내는 완화 모듈러스 G(t)를 대상으로, 기계학습 기반 최적화 기법을 적용하여 물성 예측의 효율성을 평가하였다. 베이지안 최적화(Bayesian Optimization, BO), 강화학습(Reinforcement Learning, RL), 그리고 두 방법을 결합한 하이브리 드 BO→RL 방식을 비교한 결과, 하이브리드 모델이 MSE 0.1536, R2 0.9656으로 가장 우수한 성 능을 보였다. BO는 전역 탐색에, RL은 국소 조정에 각각 강점을 보였으며, 두 방법의 결합은 탐색 효율성과 수렴 정밀도의 균형을 달성하였다. 본 연구는 복잡유체의 비선형 물성 분석을 위한 기계 학습 응용의 방법론적 기반을 확립하는 것을 목표로 하며, 향후 고차원·비선형 구성방정식 모델로의 확장 가능성을 제시한다. [
주제어: 유변학, 완화모듈러스, 베이지안최적화, 강화학습, 하이브리드최적화] I.