이 연구는 다중재료 3D프린팅으로 만든 디지털 재료의 초탄성·점탄성 거동을 조성(composition)에 따라 예측하는 데이터 기반 구성모델(constitutive model) 프레임워크를 제안한다. Bergström-Boyce 모델의 곱셈적 운동학, 불변량 기반 변형에너지 함수, 스칼라 소산 진화 법칙 구조를 유지하면서, 평형 분기에서는 조성에 따른 폐형 모델 파라미터를 직접 예측하거나 신경상미분방정식(NODE)으로 폴리컨벡스 변형에너지 함수를 자동 구성한다. 비평형 분기의 점탄성 동역학도 유사한 방식이나 제약된 인공신경망으로 학습한다. 다양한 조성의 다중 속도 일축 압축 데이터를 이용한 검증에서, 제안 프레임워크는 열역학적 일관성을 유지하면서 조성 간 속도 의존적 강성과 히스테리시스를 정확히 포착했다.

• •다중재료 3D프린팅 디지털 재료의 초탄성·점탄성 거동을 조성별로 예측하는 데이터 기반 구성모델 제안
• •Bergström-Boyce 모델 구조를 유지하며 신경상미분방정식(NODE)으로 변형에너지 함수를 자동 구성
• •평형·비평형 분기 모두 조성에 따른 폐형 파라미터 예측 또는 제약된 신경망 학습 방식 지원
• •다중 속도 압축 실험에서 조성별 속도 의존적 강성과 히스테리시스를 열역학적 일관성 유지하며 재현