<(왼쪽부터)기계공학부 박기정 학생, 강민서 학생(사진=숭실대)>

기계공학부 윤헌준 교수 연구팀 소속 박기정 학생(석사과정)과 강민서 학생(석사과정)이 2025년 4월 16일(수)부터 19일(토)까지 그랜드하얏트 제주에서 열린 ‘대한기계학회 CAE 및 응용역학부문 2025년 춘계학술대회’에서 각각 ‘우수논문상’과 ‘학생논문경진대회 동상’을 수상했다고 밝혔다.

대한기계학회 CAE(Computer-Aided Engineering) 및 응용역학부문 학술대회는 전산해석 및 설계, 다중물리 시스템, 통계기반해석, 실험역학, 생체역학 등 기계 구조 및 시스템 설계의 중추를 이루는 기술 교류의 장으로서, 분야별 전문가들의 초청 강연과 더불어 특별세션 및 워크숍, 그리고 학문후속세대를 위한 다양한 행사들로 이루어져 있다.

박기정 학생은 ‘우수논문상’을 수상했으며, 제1저자로 발표한 논문 ‘팽창형 판 기반 압전 에너지 하베스팅의 수학적 모델링’을 통해 음의 포아송비(negative Poisson’s ratio)를 가지는 팽창형 판(auxetic plate)이 압전 에너지 하베스팅(Piezoelectric Energy Harvesting, PEH)의 성능을 획기적으로 향상시킬 수 있음을 세계 최초로 이론적으로 입증했다. 실험이나 수치해석을 통해 이와 같은 효과를 분석한 사례는 있었으나, 이번 연구는 전기-기계 연성(electromechanical coupling)을 포함한 다중 물리 기반 이론을 통해 이를 수학적으로 증명함으로써 학문적 독창성과 우수성을 인정받았다. 해당 연구는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행됐다.

강민서 학생은 ‘학생논문경진대회 동상’을 수상했으며, 제1저자로 발표한 논문 ‘조화가진 하에서 물리정보신경망을 이용한 전기-기계 연성 해석’을 통해 과학기계학습(Scientific Machine Learning, SciML) 분야의 핵심 기법 중 하나인 물리정보신경망(Physics-Informed Neural Network, PINN)을 적용해 복잡한 전기-기계 연성 시스템을 효율적으로 해석했다. 특히, PINN은 물리 법칙 자체를 신경망의 손실 함수에 직접 반영함으로써, 기존의 데이터 기반 기계학습과 달리 방대한 양의 학습 데이터를 요구하지 않고도 높은 정확도의 결과를 도출할 수 있다. 연구에서는 이러한 PINN의 강점을 적극 활용해 데이터가 부족한 환경에서도 물리적으로 정합성 있는 해석 결과를 도출하고, 다중 물리 시스템에의 적용 가능성을 성공적으로 실증했다. 해당 연구는 산업통상자원부가 지원하고 한국에너지기술평가원이 주관하는 에너지정책융합대학원 사업의 지원을 받아 수행됐다.

이번 수상은 윤헌준 교수 연구팀이 CAE 및 응용역학 분야에서 지속적으로 축적해온 연구 역량과 학문적 성과를 대외적으로 입증한 사례로, 향후 관련 분야의 학술 발전 및 산업 응용 확대에도 큰 기여를 할 것으로 기대된다.

홍보팀(pr@ssu.ac.kr)