Interlaminar shear stress in laminated composites is a critical factor governing the initiation of delamination and overall structural integrity, and the short-beam shear test is widely used to evaluate this behavior. However, due to the complex contact–shear interactions that arise near the indenter and support regions, classical beam theory and finite element analysis-based approaches suffer from limitations in terms of computational cost and modeling efficiency. To address these issues, this study proposes a Hybrid Physics-Informed Neural Network (Hybrid PINN) framework for predicting interlaminar shear stress by incorporating anisotropic Hertzian contact theory. The proposed model embeds the governing equations of an orthotropic elastic solid under plane stress conditions into the loss function and imposes the load-dependent contact pressure distribution as a physical constraint. In addition, reference data obtained from finite element analysis are used to guide the early stage of training, thereby improving convergence stability and prediction accuracy. Validation under short-beam shear test conditions demonstrates that the Hybrid PINN successfully reproduces interlaminar shear stress distributions that are qualitatively consistent with FEA results, while the maximum interlaminar shear stress is predicted within 1% error. These findings indicate that the proposed approach provides an efficient alternative for predicting interlaminar shear stress in laminated composites.

적층 복합재에서 층간 전단 응력은 층간 분리의 발생과 구조 건전성을 좌우하는 핵심 인자로, 단보 전단 시험은 이를 평가하기 위해 널리 활용되고 있다. 그러나 압입자와 지지점 부근에서 발생하는 복잡한 접촉–전단 상호작용으로 인해, 고전적인 보 이론이나 유한요소해석 기반 접근법에는 계산 비용 및 모델링 측면에서 한계가 존재한다. 본 연구에서는 이러한 문제를 해결하기 위해 이방성 헤르츠 접촉 이론을 도입한 Hybrid Physics-Informed Neural Network(Hybrid PINN) 기반 층간 전단 응력 예측 모델을 제안하였다. 제안된 모델은 평면 응력 상태의 직교 이방성 탄성체에 대한 지배 방정식을 손실 함수에 포함하고, 하중에 따른 접촉 압력 분포를 물리 제약 조건으로 반영하였다. 또한 유한요소해석 참조 데이터를 학습 초기 가이드로 활용하여 수렴성과 예측 정확도를 향상시켰다. 단보 전단 시험 조건에서의 검증 결과, Hybrid PINN은 FEA와 정성적으로 유사한 전단 응력 분포를 재현하였으며, 최대 층간 전단 응력은 1% 이내의 오차로 예측되었다. 이는 제안된 방법이 적층 복합재의 층간 전단 응력 예측을 위한 효율적인 대안이 될 수 있음을 시사한다.

Keywords: 물리정보신경망(Physics-informed neural network, PINN), 층간 전단 응력(Interlaminar shear stress), 단보 전단 시험(Short-beam shear test), 유한요소해석(Finite Element Analysis), 탄소섬유 복합재료(CFRP)