나노압입 전산모사 데이터 기반 기계학습을 통한 유연 기판 위 금속 박막의 탄성계수 예측
Prediction of Elastic Modulus for Cu Thin Films on PI Substrates via Machine Learning Based on FE Analysis of Nanoindentation
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
유연 전자 기술의 응용 범위가 확대됨에 따라 다양한 변형 환경에서의 기계적 신뢰성 확보가 핵심 연구 과제로 부각되고 있다. 그러나 유연기판 기반의 박막 구조는 나노압입 물성 평가 시 기판 효과로 인한 해석 정확도가 저하될 수 있다. 따라서 본 연구에서는 Cu/PI 박막-기판 복합 구조를 대상으로 나노압입 유한요소해석(Finite Element Analysis, FEA)과 기계학습(Machine Learning, ML)을 결합한 물성 예측 프로세스를 제안하였다. 축대칭 압입 해석을 통해 1,000개의 하중-변위 곡선을 생성하고, 곡선에서 추출한 19개 특징과 기판 물성 기반의 특징 1개를 포함하여 총 20개의 입력 특징을 구성하였다. 전체 입력 특징을 사용한 다층 퍼셉트론(Multilayer perceptron, MLP) 회귀 모델을 학습하였으며, Shapley additive explanations (SHAP) 기반 기여도 분석으로 핵심 특징을 도출하고 축소 입력 구성에서도 예측 성능 유지 가능성을 확인하였다. 이를 통해 유연 기판 박막 구조의 물성 평가를 효율화할 수 있는 데이터 기반 접근의 적용 가능성을 제시하였다.
Abstract
Flexible electronic technologies are being applied across an expanding range of applications, making the securing of mechanical reliability under various deformation conditions a critical research issue. However, thin-film structures on flexible substrates can suffer from reduced interpretation accuracy in nanoindentation-based property evaluation due to substrate effects. Therefore, this study proposes a property-prediction process that integrates nanoindentation finite element analysis (FEA) with machine learning (ML) for a Cu/PI thin film–substrate composite structure. Using axisymmetric indentation simulations, 1,000 load–displacement curves were generated, and a total of 20 input features were constructed, consisting of 19 features extracted from the curves and one feature based on the substrate properties. A multilayer perceptron (MLP) regression model was trained using the full feature set. In addition, key features were identified via Shapley additive explanations (SHAP)-based contribution analysis, and the feasibility of maintaining prediction performance with a reduced input configuration was verified. These results demonstrate the applicability of a data-driven approach for improving the efficiency of property evaluation in flexible-substrate thin-film structures.