• 한국지반공학회논문집
• /
• 제22권9호
• /
• pp.45-59
• /
• 2006

탄소성 구성방정식은 주로 미분방적식(rate equation)으로 이루어져 있기 때문에 유한요소법 등을 이용한 지반구조물 해석시 미분방정식들에 대한 수치적분을 수행할 수 있는 방법이 필요하다. 구조물의 거동을 해석할시 미분방정식들을 위한 적분방법은 해석결과의 정확성과 유한요소법 모델링의 안전성에 큰 영향을 미치고 있다. 본 논문에서는 최근에 개발되어 사용되고 있는 흙에 관한 구성모델인 "Two-surface soil plasticity model (Manzari and Dafalias 1997)"을 Implicit return-mapping 수치적분방법을 이용하여 실행하는 과정을 제시한다. 본 연구에서 사용된 수치적분방법은 Closest-Point-Projection Method(CPPM) 방법으로 탄성 예측자-소성 교정자(elastic predictor-plastic corrector) 개념을 Implicit Backward Euler방법으로 체계화 시킨 알고리듬이다. 본 연구에서 수행한 "Two-surface soil plasticity model"은 조립토의 비선형거동을 해석하며, Bounding surface 개념 및 비선형 등방경화와 이동경화법칙을 사용하는 모델이다. 본 연구는 CPPM 방법이 정확하고 안정되며 유용한 수치적분을 수행할 수 있는 알고리듬이라는 것을 제시한다. 또한, CPPM 알고리듬은 구성방정식의 해를 반복적으로 해석하는 동안 "Consistent tangent operator $d{\sigma}/d{\varepsilon}$"를 제공하므로, 비선형 유한요소 해석이 2차(quadratic convergence rate)의 수렴 조건을 만족하는데 기여한다는 것을 보여준다.

• 한국항해항만학회지
• /
• 제48권4호
• /
• pp.249-260
• /
• 2024

본 논문에서는 컨테이너선의 조파 저항을 효율적으로 감소시킬 수 있는 기술과 관련하여 연구한 내용을 정리하였다. 컨테이너선에 적용이 가능한 조파저항 저감 기술을 개발하고 실선 설계에 사용하기 위하여 최적화 알고리즘, 선체 형상 변경 알고리즘, 선박 성능 예측 알고리즘, 자동화 알고리즘 그리고 반복적 최적 설계 기법을 적용하여 선형 최적 설계를 수행할 수 있는 컴퓨터 프로그램을 개발하였다. 선형최적 설계에 있어서 중요한 요소인 설계 변수의 적절한 설정과 설계 변수의 하한과 상한을 효율적인 설정을 위하여 민감도 분석 알고리즘을 개발하여 선형 최적 설계에 적용하였다. 개발된 컴퓨터 프로그램의 신뢰성과 실선 적용성을 예측하기 위하여 전 세계적으로 다양한 연구가 진행된 컨테이너선인 KCS(KRISO Container Ship) 선박에 대한 선형 최적 설계를 수행하였다. KCS 선박의 설계 속도인 Fn=0.26에서 선형 최적 설계를 수행하였으며, 대상 선박인 KCS 선박의 선형과 선형 최적 설계의 결과로써 도출된 선박의 선형에 대한 수치해석을 수행하여 조파 저항, 파형 그리고 파고를 구하고 서로 비교하였다. 결론적으로, 최적 선박은 대상 선박과 비교하여 조파 저항이 80.60% 감소하였고, 배수량과 침수 표면적은 각각 1.54%, 1.21% 감소하는 것을 알 수 있었다.

• Nuclear Medicine and Molecular Imaging
• /
• 제43권5호
• /
• pp.459-467
• /
• 2009

목적: ML-EM (The maximum likelihood-expectation maximization) 기법은 방출과 검출 과정에 대한 통계학적 모델에 기반한 재구성 알고리즘이다. ML-EM은 결과 영상의 정확성과 유용성에 있어 많은 이점이 있는 반면 반복적인 계산과 방대한 작업량 때문에 CPU(central processing unit)로 처리할 때 상당한 연산시간이 소요되었다. 본 연구에서는 GPU(graphic processing unit)의 병렬 처리 기술을 ML-EM 알고리즘에 적용하여 영상을 재구성하였다. 대상 및 방법: 엔비디아사(社)의 CUDA 기술을 이용하여 ML-EM 알고리즘의 투사 및 역투사 과정을 병렬화 전략을 구상하였으며 Geforce 9800 GTX+ 그래픽 카드를 이용하여 병렬화 연산을 수행하여 기존의 단일 CPU기반 연산법과 비교하였다. 각 반복횟수마다 투사 및 역투사 과정에 걸리는 총 지연 시간과 퍼센트 오차(percent error)를 측정하였다. 총 지연 시간에는 RAM과 GPU 메모리 간의 데이터 전송 지연 시간도 포함하였다. 결과: 모든 반복횟수에 대해 CPU 기반 ML-EM 알고리즘보다 GPU 기반 알고리즘이 더 빠른 성능을 나타내는 것을 확인하였다. 단일 CPU 및 GPU 기반 ML-EM의 32번 반복연산에 있어 각각 3.83초와 0.26초가 걸렸으며 GPU의 병렬연산의 경우 15배 정도의 개선된 성능을 보였다. 반복횟수가 1024까지 증가하였을 경우, CPU와 GPU 기반 알고리즘은 각각 18분과 8초의 연산시간이 걸렸다. GPU 기반 알고리즘이 약 135배 빠른 처리속도를 보였는데 이는 단일 CPU 계산이 특정 반복횟수 이후 나타나는 시간 지연에 따른 것이다. 결과적으로, GPU 기반 계산이 더 작은 편차와 빠른 속도를 보였다. 결론: ML-EM 알고리즘에 기초한 GPU기반 병렬 계산이 처리 속도와 안정성을 더 증진시킴을 확인하였으며 이를 활용해 다른 영상 재구성 알고리즘에도 적용시킬 수 있을 것으로 기대한다.