[논문 리뷰] Evolving Genetic Programming Tree Models for Predicting the Mechanical Properties of Green Fibers for Better Biocomposite Materials

Faris M. AL‐Oqla, Hossam Faris외 2명|arXiv (Cornell University)|2024. 02. 20.

Natural Fiber Reinforced Composites인용 수 4

한 줄 요약

이 연구는 섬유소, 히알루론산, 리그닌, 수분 함량 및 마이크로필라멘트 각도와 같은 핵심 화학적 및 구조적 성질을 사용하여 천연 녹색 섬유의 인장 강도, 엘라스티시티 모odulus, 파손 시 연신율을 예측하기 위해 진화하는 유전적 프로그래밍 트리 모델을 개발한다. 모델들은 높은 예측 정확도를 달성하였으며, 마이크로필라멘트 각도가 인장 강도 예측에 44.7% 기여하여 생분해성 복합재 개발 시 비용이 많이 드는 실험적 테스트의 필요성을 크게 줄였다.

ABSTRACT

Advanced modern technology and industrial sustainability theme have contributed implementing composite materials for various industrial applications. Green composites are among the desired alternatives for the green products. However, to properly control the performance of the green composites, predicting their constituents properties are of paramount importance. This work presents an innovative evolving genetic programming tree models for predicting the mechanical properties of natural fibers based upon several inherent chemical and physical properties. Cellulose, hemicellulose, lignin and moisture contents as well as the Microfibrillar angle of various natural fibers were considered to establish the prediction models. A one-hold-out methodology was applied for training/testing phases. Robust models were developed to predict the tensile strength, Young's modulus, and the elongation at break properties of the natural fibers. It was revealed that Microfibrillar angle was dominant and capable of determining the ultimate tensile strength of the natural fibers by 44.7% comparable to other considered properties, while the impact of cellulose content in the model was only 35.6%. This in order would facilitate utilizing artificial intelligence in predicting the overall mechanical properties of natural fibers without experimental efforts and cost to enhance developing better green composite materials for various industrial applications.

연구 동기 및 목표

• 실험 비용을 줄이기 위해 천연 녹색 섬유의 기계적 성질을 예측하는 AI 기반 모델을 개발하기 위해.
• 인장 강도, 엘라스티시티 모odulus, 파손 시 연신율을 결정하는 데 가장 영향을 미치는 화학적 및 구조적 섬유 성질을 특정하기 위해.
• 유전자 프로그래밍 트리 모델을 적용하여 섬유 조성과 기계적 거동 간의 강력하고 해석 가능한 관계를 수립하기 위해.
• 정확하고 데이터 기반의 섬유 성능 예측을 가능하게 하여 지속 가능한 복합재료 설계를 지원하기 위해.

제안 방법

• 유전적 프로그래밍(GP)을 사용하여 입력 섬유 성질을 기계적 출력으로 매핑하는 트리 구조 수학 모델을 진화시킨다.
• 입력 특징으로는 다양한 천연 섬유의 섬유소, 히알루론산, 리그닌, 수분 함량 및 마이크로필라멘트 각도를 포함한다.
• 모델 평가를 위해 데이터를 훈련 세트와 테스트 세트로 나누기 위해 일괄 보류 교차검증 전략을 사용한다.
• 모델 진화는 테스트 세트에서 R², 평균 절대 오차, 평균 제곱 오차를 최적화하는 피트니스 함수에 의해 이끌린다.
• 각 입력 변수의 기여도를 평가하기 위해 순열 기반 분석을 사용하여 기능 중요도를 정량화한다.
• 최종 모델은 설명 가능하며, 입력 변수와 기계적 출력 간의 명시적 수학적 표현을 제공한다.

실험 결과

연구 질문

• RQ1 어느 섬유 성질이 천연 녹색 섬유의 인장 강도에 가장 크게 영향을 미치는가?
• RQ2 유전적 프로그래밍 트리 모델은 엘라스티시티 모odulus 및 파손 시 연신율과 같은 기계적 성질을 얼마나 정확하게 예측할 수 있는가?
• RQ3 마이크로필라멘트 각도와 화학 조성(예: 섬유소, 리그닌) 중 어느 것이 섬유 강도 예측에 더 큰 기여를 하는가?
• RQ4 진화하는 GP 모델은 녹색 섬유 기계적 거동을 예측할 때 높은 정확도와 해석 가능성 모두를 제공할 수 있는가?

주요 결과

• 마이크로필라멘트 각도가 최종 인장 강도 예측에 44.7% 기여하여 가장 영향력 있는 요소로 나타났다.
• 섬유소 함량이 인장 강도 예측에 35.6% 기여하여 마이크로필라멘트 각도에 비해 강한 그러나 보조적인 역할을 함을 시사한다.
• 개발된 GP 모델은 높은 예측 정확도를 달성하여 실험적 테스트 없이도 기계적 성질을 신뢰성 있게 추정할 수 있게 하였다.
• 모델들은 새로운 테스트 데이터에 대해 강력한 일반화 성능을 보였으며, 실제 생분해성 복합재 설계에 있어 신뢰성 있는 검증을 받았다.
• 진화된 트리 모델의 해석 가능성 덕분에 섬유 구조와 기계적 반응 간의 물리적 관계에 대한 명확한 통찰을 제공할 수 있었다.