POSTECH 친환경소재대학원 · 신소재공학과 김형섭 교수 · 통합과정 이정아 씨 연구팀은 브라질 미나스제라이스 연방대(Federal University of Minas Gerais) 금속재료공학과 피게이레두(Roberto B. Figueiredo) 교수와의 공동 연구를 통해 기존의 비용과 시간 제약을 극복하고, 다양한 금속의 항복강도를 예측하는 최적의 인공지능 모델을 개발했다. 이 연구는 금속소재 공학 분야 국제 학술지인 ‘악타 머터리얼리아(Acta Materialia)’ 온라인판에 게재됐다.

 

항복강도(yield strength)란 외부 응력에 의해 금속 등 재료가 변형되기 시작하는 지점을 말한다. 재료공학 분야에서 성능이 우수한 소재를 개발하고, 구조적 안정성을 높이기 위해서는 항복강도를 정확하게 예측해야 한다. 그런데, 이 특성을 예측하기 위해서는 재료의 결정립*1 크기와 불순물의 종류를 포함한 다양한 변수를 고려해야 하고, 데이터를 얻기 위해 오랜 시간 동안 수많은 실험을 반복해야 한다.

 

이를 위해 현재 재료의 항복강도와 결정립 크기 간 관계를 규명한 ‘Hall-Petch (홀-페치) 관계식*2’이 널리 사용되고 있지만 온도와 변형률 등 다양한 환경 조건과 새로운 재료의 특성을 반영해 항복강도를 정확하게 예측하기에는 한계가 있었다.

 

이번 연구에서 연구팀은 항복강도 예측에 필요한 비용과 시간을 절약하면서도 정확도를 높이기 위해 물리 이론에 인공지능(AI) 기술을 결합했다. 물질 내부의 입자들이 맞닿아 움직이는 방식을 설명하는 ‘입자 경계 미끄럼’*3 메커니즘과 기계 학습 알고리즘을 적용하여 항복강도를 예측하는 머신러닝 모델을 개발하였다.

 

먼저, 연구팀은 블랙박스 모델*4을 이용해 재료의 여러 특성이 항복강도에 미치는 영향을 분석한 다음, 이를 토대로 입력값과 출력값이 명확한, 항복강도 예측의 정밀도를 높인 화이트박스 모델을 개발했다.

 

그리고, 연구팀은 항복강도 예측 모델을 학습시킬 때 사용하지 않았던 다양한 철 기반 합금 등을 이용해 연구팀의 모델을 검증하였다. 그 결과, 연구팀의 모델은 훈련되지 않은 데이터에 대한 예측에서도 실제 대비 평균 절대 오차값 7.79MPa(메가파스칼)을 기록하며, 매우 높은 정확도를 보였다.

▲ 입자 경계 미끄럼 모식도와 철 기반 다양한 합금 등에 대한 실험 검증 및 모델 비교

 

김형섭 교수는 “다양한 유형의 금속과 실험 조건에서 항복강도를 정확하게 예측할 수 있는 범용적인 인공지능 모델을 개발했다”라며, “앞으로도 인공지능 기술을 적극적으로 활용하여 재료공학 분야 연구에서 중요한 발전을 이루겠다”라는 포부를 전했다.

 

한편, 이번 연구는 과학기술정보통신부와 한국연구재단에서 추진하는 나노 및 소재기술개발사업의 지원을 받아 수행됐다.

 

■ 용어 설명

1. 결정립: 금속이나 다결정 재료에서 하나의 단일 결정 구조를 가진 작은 입자나 영역을 의미한다.

2. Hall-Petch 관계식:  로 k는 상수, d는 평균 결정립 직경, 는 기존 항복 응력이다.

3. 입자 경계 미끄럼: 입자가 서로 미끄러지는 재료 변형 메커니즘으로 이는 대부분 높은 온도와 낮은 변형률에서 외부 응력을 받는 다결정 재료에서 발생한다.

4. 블랙박스 모델: 입력과 출력 사이의 복잡한 관계를 설명하기 어려운 머신러닝 모델을 말한다.