새로운 소재를 개발하기 위해서는 많은 시간과 비용 그리고 노력이 필요하다. POSTECH 공동연구팀이 "합금 이상의 합금”으로 불리는 고엔트로피 합금을 개발하기 위해 인공지능(Artificial intelligence)을 도입하며 신소재 개발에 한 발짝 다가섰다.

 

포항공과대학교 기계공학과 이승철 교수·통합과정 이수영씨, 기계공학과 진현규 교수·통합과정 변석영씨, 신소재공학과 김형섭 교수 공동연구팀이 AI를 활용한 고엔트로피 합금의 상 예측 기술을 개발했다. 이번 연구의 성과는 재료과학 분야 국제학술지 ‘머터리얼스 앤 디자인(Materials and Design)’ 최신 호에 게재됐다.

 

통상 금속재료는 필요한 성질에 따라 으뜸이 되는 원소에 두세 가지의 보조 원소를 섞어 합금을 만들었다. 이와 달리 고엔트로피 합금은 특별한 으뜸 원소 없이 다섯 가지 이상의 원소를, 같거나 비슷한 비율이 되도록 만든다. 이렇게 만들 수 있는 합금 종류는 이론적으로는 무한에 가깝고, 기계적·열적·물리적·화학적으로 뛰어난 특성을 가지고 있어 이미 극저온이나 부식 등의 극한환경에서도 우수한 성능을 보이는 합금 등이 개발된 바 있다.

 

그러나 이제껏 새로운 고엔트로피 합금 소재를 개발하기 위해서는 수많은 시행착오를 바탕으로 설계가 진행됐다. 그렇기 때문에 신소재 개발을 위해서 과도한 시간과 비용이 필요했다. 따라서 해당 합금의 상은 무엇이며, 개발하려는 고엔트로피 합금의 기계적, 열적 특성은 어떤지 미리 규명하기는 더욱더 어려운 실정이었다.

 

공동연구팀은 딥러닝 기술을 활용해 고성능-설명가능의 고엔트로피 합금 상 예측 모델을 개발하기 위해 주력했다. 연구팀은 모델 최적화, 데이터 생성 및 파라미터 해석의 세 가지 관점에서 딥러닝 기술들을 활용했다. 특히 조건부 적대적 생성 신경망(Conditional Generative Adversarial Network) 기반의 데이터 증강 모델을 구축하는 데에 집중했다. 이를 통해 AI 모델이 아직 발견되지 않은 고엔트로피 합금 샘플들을 반영할 수 있게 되면서, 기존 방법과 비교해 비약적인 상 예측 정확도 향상을 달성했다.

 

또한, 연구팀은 설명 가능한 AI*1 기반의 고엔트로피 합금 상 예측 모델을 개발, 블랙박스인 딥러닝 모델에 해석 가능성을 부여함과 동시에, 특정 상을 갖는 고엔트로피 합금을 디자인하기 위한 중요 설계 인자에 대한 지침을 마련했다.

 

이승철 교수는 "이 연구는 최근 주목받고 있는 고엔트로피 합금에 AI 기술을 접목, 기존 연구의 한계를 획기적으로 개선한 결과”라며, "공동연구팀의 다학제 협업을 통해 AI 기반 신소재 개발을 촉진할 수 있는 결과를 만들어낸 데에 의의가 있다”라고 말했다.

 

아울러 진현규 교수는 "해당 연구의 결과는 기존 신소재 개발 프로세스를 위해 소요되었던 시간과 비용을 대폭 절감하고, 추후 새로운 고엔트로피 합금 및 그에 기반한 다양한 기능소재를 개발하는 데에 적극적으로 활용될 수 있을 것으로 기대된다”라고 덧붙였다.

 

한편, 한국연구재단 중견연구자지원사업, 정보통신기획평가원 글로벌인재양성지원사업, 한국에너지기술평가원 메타형 실리사이드 신열전반도체 및 소자물성 측정 표준화기술 개발 사업의 지원으로 수행됐다.

 

■ 용어설명
1.설명 가능한 AI: 블랙박스 모델’이라고 불리는 AI 모델의 내부적인 구현 방법을 해석, 설명하고자 하는 인공지능 기술
■ 논문정보
*제목: Deep Learning-Based Phase Prediction of High-Entropy Alloys: Optimization, Generation, and Explanation
*논문 URL: https://doi.org/10.1016/j.matdes.2020.109260
 

-출처: POSTECH 연구성과