KAIST 산학협동 강좌

2025년 KAIST 동계산학협동 공개강좌

수강 대상: 

산업체, 연구소 및 대학에서 기계시스템 해석 및 설계와 관련된 연구, 제품설계, 시험, 검사 업무 중 인공지능 응용에 관심이 있는 자

강좌의 배경과 목적: 

본 강좌는 현대 기계공학 분야에서 인공지능의 적용과 설계에 대한 핵심 원리를 다루는 강좌로, 기계공학 분야에서 인공지능 기술의 중요성이 증가하고 있는 현 상황을 반영합니다. 이 강좌는 수강생들에게 이 분야에서의 지식과 기술 습득을 목표로 하고 있으며, 실제 현업에서 사용되는 인공지능 도구와 기법을 익히고, 기계 설계 및 최적화에 적용하는 데 필요한 능력을 갖추도록 하는 것이 주된 목적입니다. 이를 통해 수강생들은 현대 기계공학의 동향에 부응하며, 현업에서의 문제 해결에 인공지능을 효과적으로 활용하는 기술적 역량을 키울 수 있습니다. 강좌는 산업체에서 발생하는 실제 문제에 대처할 수 있는 실용적인 인공지능 기술 및 설계 원리를 제공합니다. 산업체의 요구와 기대에 부응하여, 수강생들은 강의를 통해 얻은 지식을 실제 산업 환경에서 적용할 수 있는 능력을 배양하게 됩니다. 이를 통해 수강생들은 현업에서의 도전적인 업무에 대응하며, 산업체에서 발생하는 복잡한 문제에 대한 인공지능 설계 및 해석 기술을 습득하여 실전에 적용할 수 있는 능력을 키울 것입니다. 또한, 질의응답 세션을 통해 수강생들이 개별적으로 공부하고자 하는 내용에 대해 더 깊이 이해하고 학습할 수 있는 기회를 제공합니다.

강좌내용:

제1일: 강좌소개 / 인공지능 응용 / 인공지능 기반 해석

• 10:00 ~ 10:20 (이승철 교수)

  • 강좌 및 전체 강의 구성 소개

• 10:20 ~ 12:20 (유승화 교수)

  • 인공지능 응용 개괄 및 데이터 난제 대응 전략

  • (실습 자료 제공)

• 12:20 ~ 13:00, 14:00 ~ 18:00 (이승철 교수)

  • 해석 가속화를 위한 PINN, DeepONet 

  • 실습

제2일: 최적설계 / 위상 최적화 / 생성형 인공지능

• 9:00 ~ 11:30 (장인권 교수)

  • 최적설계 기초/위상 최적화

  • (실습 자료 제공)

• 11:30 ~ 13:00, 14:00 ~ 15:00 (이익진 교수)

  • 데이터 학습 모델 활용 최적화

  • (실습 자료 제공)

• 15:00 ~ 18:00 (강남우 교수)

  • 생성형 AI를 이용한 최적 설계 기법

  • 실습 

제3일: 응용 사례 발표 및 패널 토의

• 09:00 ~ 13:00 

  • 형상 변화를 반영할 수 있는 물리지식기반 딥오넷 (이승철 교수)

  • 데이터 학습 모델 활용 최적화 적용 사례 (이익진 교수)

  • 도메인 지식을 활용한 효율적인 AI 적용 사례 (유승화 교수)

  • 제조업을 위한 생성형 AI 기반 제품 설계 사례 (강남우 교수)

  • 구조 및 다학제 위상최적화 적용 사례 (장인권 교수)

• 14:00 ~ 15:00 (모두)

  • 패널 토의, Q&A

수강신청:

• 2025년 1월 31일 (금) 까지

• 수강인원 50명

• 참가신청서 작성 후 사업자등록증 사본과 함께 Google Forms 제출

납부 방법:

• 수강료: 일반 700,000원, 학생 400,000원 (교재비 및 중식비 포함)

  • 학생의 경우, 재학증명서 사본 제출

• 결제는 계좌이체 또는 신용카드로 가능

  • 계좌이체: 우리은행 270-003359-13-137 (예금주: 한국과학기술원)

    • 계좌이체는 영수증 발행

    • 2025년 01월 01일 (수) 부터 가능하며, 수강자 이름으로 입금하신 후 성명, 소속, 연락처를 e-mail (seunglee@kaist.ac.kr) 로 송부

  • 카드결제 가능 (강좌 당일 등록데스크)

    • 신용카드는 카드영수증 발행

• 본 강좌는 수익(부가세면제)사업으로 세금계산서는 발행 불가, 계산서는 발행 가능

• 수료증 발급

강사진:

이승철 교수 (KAIST 기계공학과, 강좌책임교수)

유승화 교수 (KAIST 기계공학과)

이익진 교수 (KAIST 기계공학과)

장인권 교수 (KAIST 조천식모빌리티대학원)

강남우 교수 (KAIST 조천식모빌리티대학원)

문의사항:

• KAIST 기계공학과 산업인공지능연구실 이승철 교수

• Tel: 042-350-3026

• E-mail: seunglee@kaist.ac.kr

2024년 KAIST 동계산학협동 공개강좌

수강 대상: 

산업체, 연구소 및 대학에서 기계시스템 해석 및 설계와 관련된 연구, 제품설계, 시험, 검사 업무 중 인공지능 응용에 관심이 있는 자

강좌의 배경과 목적: 

본 강좌는 현대 기계공학 분야에서 인공지능의 적용과 설계에 대한 핵심 원리를 다루는 강좌로, 기계공학 분야에서 인공지능 기술의 중요성이 증가하고 있는 현 상황을 반영합니다. 이 강좌는 수강생들에게 이 분야에서의 지식과 기술 습득을 목표로 하고 있으며, 실제 현업에서 사용되는 인공지능 도구와 기법을 익히고, 기계 설계 및 최적화에 적용하는 데 필요한 능력을 갖추도록 하는 것이 주된 목적입니다. 이를 통해 수강생들은 현대 기계공학의 동향에 부응하며, 현업에서의 문제 해결에 인공지능을 효과적으로 활용하는 기술적 역량을 키울 수 있습니다. 강좌는 산업체에서 발생하는 실제 문제에 대처할 수 있는 실용적인 인공지능 기술 및 설계 원리를 제공합니다. 산업체의 요구와 기대에 부응하여, 수강생들은 강의를 통해 얻은 지식을 실제 산업 환경에서 적용할 수 있는 능력을 배양하게 됩니다. 이를 통해 수강생들은 현업에서의 도전적인 업무에 대응하며, 산업체에서 발생하는 복잡한 문제에 대한 인공지능 설계 및 해석 기술을 습득하여 실전에 적용할 수 있는 능력을 키울 것입니다. 또한, 질의응답 세션을 통해 수강생들이 개별적으로 공부하고자 하는 내용에 대해 더 깊이 이해하고 학습할 수 있는 기회를 제공합니다.

강좌내용:

제1일: 강좌소개 / 인공지능 기초 / 인공지능 기반 해석

• 10:00 ~ 13:00 (이승철 교수)

  • 머신러닝 기초 (회귀분석, 분류)

  • 딥러닝 기초 (ANN, CNN)

  • 차원축소 (PCA, Autoencoder)

  • 실습 

• 14:00 ~ 18:00 (유승화 교수)

  • AI 모델의 Data-efficient한 학습을 위한 Domain Knowledge 활용 사례: 복합재 물성, 응력-변형율 곡선, 응력 분포, 균열 진전 경로 등 

  • 전략적인 AI 학습 및 AI 활용 개요: 데이터 부족, 데이터 불균형, 데이터 신뢰도 부족, 외삽 문제 등 대처 사례 

  • 딥러닝 기반 유체흐름 예측 및 유체 장치 설계 활용

  • 딥러닝 기반 복합재 응력-변형율 곡선 예측 및 강성/강도 최적화

  • 실습 

제2일: 최적화 및 데이터 기반 학습모델 기초 / 위상 최적화

• 9:00 ~ 11:00 , 14:00 ~ 16:00 (이익진 교수)

  • 데이터 기반 학습 모델 (Data-driven surrogate modeling) 생성 기초

  • 다중 충실도 학습 모델 (Multi-fidelity surrogate modeling)

  • 베이지안 최적화

  • 적용 사례 소개

  • 실습

• 11:00 ~ 13:00, 16:00 ~ 18:00 (장인권 교수)

  • 최적설계 (Design optimization) 및 위상최적설계 (Topology optimization) 기초

  • 민감도 기반 위상최적설계

  • 적용 사례 소개

  • 실습 

제3일: 생성형 인공지능 기반 설계 사례 및 실습 (생성/탐색/평가/최적화) 

• 9:00 ~ 13:00, 14:00 ~ 17:00 (강남우 교수)

  • AI 기반 설계 연구 동향

  • 생성형 AI 기반 제품 설계 및 디자인 사례

  • 생성형 AI 방법론 1: 3D Generative Model

  • 생성형 AI 방법론 2: Stable Diffusion

  • 3D Generative Model 기반 제품 설계 실습

  • Stable Diffusion 기반 제품 디자인 실습

수강신청:

• 2024년 2월 8일 (목) 까지

• 수강인원 100명

• 참가신청서 작성 후 사업자등록증 사본과 함께 e-mail (b.park@kaist.ac.kr) 로 접수

납부 방법:

• 수강료: 일반 700,000원, 학생 350,000원 (교재비 및 중식비 포함)

  • 학생의 경우, 재학증명서 사본 제출

• 결제는 계좌이체 또는 신용카드로 가능

  • 계좌이체: 우리은행 270-003359-13-137 (예금주: 한국과학기술원)

    • 계좌이체는 영수증 발행

    • 2024년 1월 22일 (월) 부터 가능하며, 수강자 이름으로 입금하신 후 성명, 소속, 연락처를 e-mail (b.park@kaist.ac.kr) 로 보내주세요

  • 카드결제 가능 (강좌 당일 등록데스크)

    • 신용카드는 카드영수증 발행

• 본 강좌는 수익(부가세면제)사업으로 세금계산서는 발행 불가, 계산서는 발행 가능

• 수료증 발급

강사진:

이승철 교수 (KAIST 기계공학과, 강좌책임교수)

유승화 교수 (KAIST 기계공학과)

이익진 교수 (KAIST 기계공학과)

장인권 교수 (KAIST 조천식모빌리티대학원)

강남우 교수 (KAIST 조천식모빌리티대학원)

문의사항:

• KAIST 기계공학과 산업인공지능연구실 이승철 교수

• Tel: 042-350-3026

• E-mail: seunglee@kaist.ac.kr