저자는 2권에서 인공지능에 기반한 Hong-Lagrange 알고리즘을 통해 부등 제약조건이 적용되는 경우, 데이터를 기반으로 하는 공학설계를 제시하였다. 이번 3권에서는 2권의 이론을 철근콘크리트 기둥 및 보의 최적설계에 적용하여 빅데이터만 존재한다면 거의 제한없는 엔지니어링 활동을 가능하

게 하였다. AI-based Data-centric Engineering(AIDE)에 기반한 철근콘크리트 기둥과 보 설계를 제시하였고, ACI 318-14와 ACI 318-19 기반에서 Hong-Lagrange 알고리즘을 적용하여 최적설계를 도출하였다. 

또한 인공지능 기반 Hong-Lagrange 알고리즘에 기반한 소프트웨어인 ABBA(Autodesign-Based Building Applications)-RC를 개발하여 다양한 철근콘크리트기둥과 보 설계에 적용하였으며, 풍부한 예제를 수록하였다. 

더 나아가 발주처가 요구하는 구조물의 코스트 최소화, 지구 온난화를 막기 위해 글로벌하게 요구되는 이산화탄소 배출량 최소화, 시공자가 요구하는 구조물의 중량 최소화 등을 구현할 수 있도록 하였으며, 이 모든 최적설계 결과는 구조설계식과 빅데이터에 의해서 검증하였다.저자는 유튜브 채널[한국어 채널: 구조공학(structural engineering)에의 인공지능 적용(홍원기, 경희대학교, 건축공학과), 영어채널: Deep learning for beginners(Won-Kee Hong, Kyung Hee University)]에서 AI 기반 첨단공학 시리즈 내용을 영상으로 제작, 업로드하여 독자들의 이해를 돕고 있다.

PART Ⅰ 인공지능 기반 Hong-Lagrange 최적화와 데이터 기반 철근콘크리트(RC) 기둥의 최적설계

Chapter 01 개 론

1.1 이 책의 목적

1.2 KKT 조건 [1,2]에 기반한 라그랑주 최적화 관련 기존 연구

1.3 인공신경망 기반의 라그랑주 최적화

1.4 인공신경망 기반의 목적함수 등 제약함수, 부등 제약함수 일반화

1.5 이 책의 중요성

Chapter 02 인공신경망 기반의 라그랑주 방법

2.1 RC 기둥의 목적함수 등 인공신경망에 기반한 구조설계 파라미터 함수의 유도

2.2 ACI 318-14와 ACI 318-19에 기반한 RC 기둥의 최적설계

Chapter 03 인공지능 기반 Hong-Lagrange 방법에 기반한 기둥 최적설계

3.1 기둥 코스트 최적설계 시나리오

3.2 이산화탄소 배출량 최적설계 시나리오

3.3 기둥 중량 최적설계 시나리오

3.4 기둥 코스트 및 기둥 중량 최적화가 P-M 상관도에 미치는 영향

Chapter 04 인공지능 기반에서 보는 ACI 318-14 기준과 ACI 318-19 기준의 상이점

4.1 인공지능에 기반한 두 설계 기준의 상이점

4.2 AI 기반 Hong-Lagrange 알고리즘을 이용한 철근콘크리트 기둥의 최적설계 절차 요약

Chapter 05 결 론

PART Ⅱ 인공지능 기반 Hong-Lagrange 최적화와 데이터 기반 철근콘크리트(RC) 보의 최적설계

Chapter 01 개 론

1.1 인공신경망 기반 최적설계

1.2 인공신경망 기반 최적설계의 목적

1.3 존 구조 설계 방식

1.4 인공신경망 기반 최적설계의 의미 및 중요성

1.5 이 책의 중요성

Chapter 02 인공신경망 기반의 복철근 콘크리트 보의 최적화

2.1 최적설계 차트 작성

2.2 보 최적화를 위한 인공신경망 기반의 라그랑주 함수의 유도

Chapter 03 복철근 콘크리트 보의 빅데이터 생성

3.1 빅데이터 생성을 위한 입·출력 파라미터

3.2 입·출력 파라미터의 범위

3.3 PTM 학습 방법에 의한 인공신경망 학습

3.4 순방향 인공신경망 학습

3.5 철근 배근을 위한 인공신경망 학습

Chapter 04 인공신경망 검증

4.1 순방향 인공신경망에 기반한 설계 차트 작성과 검증

4.2 빅데이터에 의한 검증

4.3 Hong-Lagrange 알고리즘 기반의 코스트 최적화 효과

Chapter 05 목적함수인 코스트를 최소화하는 인공신경망 기반의 설계 차트

5.1 인공신경망 기반의 복철근 콘크리트 보의 설계 차트 기반의 최적설계

5.2 인공신경망에 기반한 보 설계 차트를 이용한 설계

5.3 최적화 검증

Chapter 06 Hong-Lagrange알고리즘에 기반한 ACI 318-14와 ACI318-19코드의 차이점 고찰

6.1 ACI 318-19

6.2 ACI 318-14와 ACI 318-19 코드에 의한 기존 설계 방식에 의한 설계 비교

6.3 ACI 318-14와 ACI 318-19 코드에 의한 인공신경망 기반의 최적설계 비교

Chapter 07 최적설계의 효용성 고찰

7.1 인공신경망 기반 목적함수의 유도

7.2 복철근 콘크리트 보의 코스트 최적화를 위한 Hong-Lagrange 알고리즘에 기반한 설계 차트 개발

7.3 목적함수 검증

7.4. 예제를 통한 Hong-Lagrange 알고리즘의 검증

Chapter 08 결 론

8.1 인간 효율을 초월하는 인공신경망 기반의 구조설계

8.2 Hong-Lagrange 알고리즘 기반의 설계 차트

​

홍원기 

연세대학교 토목공학과에서 학사학위(1983)를, UCLA 토목공학과에서 석사(1984) 및 박사학위(1989)를 취득하였다. 현재 경희대학교 건축공학과에서 교수로 재직 중이다. 

미국의 엥겔컬크&하트 구조 설계사무소(Englekirk&Hart Consulting structural engineers, Inc., 미국 LA 소재), 일본의 (주)일본설계[(株)日本設計, 일본 동경 소재], 삼성건설, 삼성중공업에서 근무하였다. 또한 국제저널에 AI기반 콘크리트 구조설계를 포함한 여러 편의 논문을 발표하였으며, 

우리나라와 미국에 특허 또한 다수 등록하였다. 미국과 한국에서 구조기술사 자격증을 획득하여 구조엔지니어로서의 활발한 활동을 이어오고 있으며, 두 차례 장관 표창, 삼성그룹 기술상 수상, 한국연구재단 50선 우수연구 다수 선정 등 여러 표창을 수상하여 사회에 공헌하고 있다.

주요 저서로, 엘스비어(ELSEVIER)사에서 2020년 출간한 “Hybrid Composite Precast Systems, Numerical Investigation to Construction”가 있고, 특히 10장에서 ‘Artificial-intelli-gence-based design of ductile precast concrete beams’에 AI 기반 프리캐스트 콘크리트 구조 설계를 위한 인공신경망을 소개한 바 있다. 

국문 저서로, 도서출판 대가에서 “인공지능 기반 철근콘크리트 구조 설계”와 “인공지능 기반 Hong-Lagrange 최적화와 데이터 기반 공학설계”를 출간하였다. 현재 AI를 기반으로 하는 빌딩 프레임 구조설계(An Auto-Design for building frames)를 완료하고 집필 중에 있다.