KAIST가 지금까지 고온실험으로만 가능했던 합금 융해특성을 인공지능(AI)으로 예측하는 기술을 개발했다.
강철 합금은 일반적으로 고온에서 녹이는 융해공정을 거치는데, 이때 성분이 변하지 않고 그대로 녹는 현상을 ‘합치융해’라고 한다.
합금이 녹을 때 각각의 성분이 얼마나 잘 섞이는지 예측하는 것이 중요하다.
KAIST 신소재공학과 홍승범 교수팀이 미국 노스웨스턴대 크리스 울버튼 교수팀과 공동연구로 밀도범함수이론(DFT) 기반 형성에너지 데이터를 활용해 합금이 녹을 때 성분이 유지되는지 예측하는 고정확도 머신러닝 모델을 개발했다.
밀도범함수이론은 전자 밀도를 기반으로 시스템의 전체 에너지를 계산하는 방법이고, 형성에너지 데이터는 합금이 얼마나 안정적인지를 나타내는 값이다.
연구팀은 밀도범함수이론으로 계산한 형성에너지와 기존 실험적 융해반응 데이터를 머신러닝에 결합해 이원계 화합물 융해 반응유형 4536개를 학습한 후 예측모델을 구성했다.
그 결과 다양한 머신러닝 알고리즘 중 특히 ‘XGBoost’ 기반 분류모델이 합금 혼합에 가장 높은 정확도를 보이며 예측 정확도 82.5%를 기록했다.
또 연구팀은 샤플리(Shapley) 기법으로 모델의 주요 특징을 분석, 가장 중요한 인자로 형성에너지곡선 기울기변화를 가장 인자로 도출했다.
이번 연구는 고온실험 없이 소재의 융해반응 경향성을 예측할 수 있는 것으로, 특히 고엔트로피 합금이나 초내열 합금 등 실험이 어려운 소재군에 매우 유용하다.
아울러 향후 복잡한 다성분계 합금 설계에도 확장할 수 있다.
또 AI 모델이 도출한 주요 물리량은 합금이 잘 변하고, 안정적인지에 대한 실제 실험결과와 높은 일치도를 보였고, 향후 다양한 금속재료 개발 및 구조안정성 예측에 널리 활용될 것으로 기대된다.
홍 교수는 “이번 연구는 계산과 실험데이터, 머신러닝 융합으로 기존 경험적 합금설계에서 벗어나 데이터 기반 예측적 소재개발이 가능하다는 가능성을 보여준 사례”라며 “향후 생성형모델, 강화학습 등 최신 AI 기술을 접목하면 완전히 새로운 합금을 자동으로 설계하는 시대가 열릴 것”이라고 설명했다.
한편, 이번 연구는 KAIST 신소재공학과 최영우 박사과정이 제1저자로 참여했고, 연구결과는 미국물리협회(AIP) 발간 학술지 ‘APL 머신러닝(Machine Learning)’ 지난 5월호에 특집 논문으로 게재됐다.
(논문명 : Machine learning-based melting congruency prediction of binary compounds using density functional theory-calculated formation energy ※ DOI: https://doi.org/10.1063/5.0247514)
