고온 실험 없이 합금 융해 특성 예측하는 AI 모델 개발

KAIST 홍승범 교수 연구팀

이원계 화합물의 융해 유형 예측 모델 학습 및 평가 과정 개요(KAIST 제공) /뉴스1

(대전=뉴스1) 김종서 기자 = 한국과학기술원(KAIST)은 신소재공학과 홍승범 교수 연구팀이 미국 노스웨스턴대 크리스 울버튼 교수팀과 국제 공동연구를 통해 고온 실험 없이 합금이 녹을 때 서로 얼마나 잘 섞이는지를 인공지능(AI)을 통해 예측하는 머신러닝 모델을 개발했다고 14일 밝혔다.

연구팀은 밀도범함수이론을 통해 계산한 형성에너지와 기존 실험적 융해 반응 데이터를 머신러닝에 결합해 4536개의 이원계 화합물에 대한 융해 반응 유형을 학습한 후 그 예측 모델을 구성했다.

다양한 머신러닝 알고리즘 중 특히 'XG부스트' 기반 분류 모델이 82.5%로 합금이 잘 섞이는지 여부에 대해 가장 높은 정확도를 보였다.

연구팀은 이번 연구가 고엔트로피 합금이나 초내열 합금 등 실험이 어려운 소재 군에서 매우 유용하며 향후 복잡한 다성분계 합금 설계에도 확장될 수 있다고 설명했다.

특히 합금이 잘 변하고 안정적인지 등에 대한 실제 실험 결과와 높은 일치도를 보여 향후 다양한 금속재료 개발 및 구조 안정성 예측 등에 활용될 수 있을 것으로 기대된다.

홍 교수는 "이번 연구는 계산과 실험 데이터, 머신러닝의 융합을 통해 기존의 경험적 합금 설계 방식에서 벗어나 데이터 기반의 예측적 소재 개발이 가능하다는 가능성을 보여준 사례"라며 "향후 생성형 모델, 강화학습 등의 최신 AI 기술을 접목하면 완전히 새로운 합금을 자동으로 설계하는 시대가 열릴 것"이라고 말했다.

신소재공학과 최영우 박사과정 연구원이 제1 저자로 참여한 이번 연구는 머신러닝 분야 국제 학술지 'APL 머신러닝(Machine Learning)'에 게재됐다.

jongseo12@news1.kr