KAIST 신소재공학과 홍승범 교수 연구팀은 미국 노스웨스턴대와 공동 연구를 통해, 고온 실험 없이도 합금이 녹을 때 성분이 잘 섞이는지 예측하는 머신러닝 모델을 개발했다고 밝혔습니다.

대부분의 금속 합금은 고온에서 녹여 만드는 과정을 거치는데, 이때 성분이 그대로 유지되며 녹는 현상을 합치 융해라고 합니다. 지금까지는 이런 특성을 확인하기 위해 직접 고온 실험을 거쳐야 했습니다.

연구팀은 합금의 에너지 안정성을 나타내는 형성에너지 데이터를 바탕으로, 4,500여 개의 이원계 합금 (두 가지 금속의 합금)에 대한 융해 반응 유형을 학습시켰습니다.

여러 알고리즘 가운데 XGBoost 알고리즘이 가장 높은 예측 정확도를 보였으며, 약 82.5%의 정확도를 기록했습니다.

특히 AI가 예측에 참고한 핵심 요인을 분석한 결과, 형성에너지 곡선의 기울기 변화가 가장 큰 영향을 미치는 요소로 확인됐습니다.

이는 AI가 예측뿐 아니라 그 근거까지 설명할 수 있다는 것을 의미합니다.

이번 기술은 고엔트로피 합금이나 초내열 합금처럼 실험이 어려운 신소재의 개발에 활용될 수 있으며, 다성분계 합금 설계에도 확장 가능합니다.

KAIST 홍승범 교수는 "이번 연구는 기존의 경험적 합금 설계 방식에서 벗어나 데이터 기반의 예측적 소재 개발이 가능하다는 가능성을 보여준 사례"라며 "향후 강화학습 등의 최신 AI 기술을 접목하면 새로운 합금을 자동으로 설계하는 시대가 열릴 것"이라고 말했다.

이번 연구는 미국물리협회(AIP)가 발간하는 국제학술지 'APL 머신러닝' 5월호에 특집 논문으로 실렸으며, KAIST 최영우 박사과정생이 제1저자로 참여했습니다.

TJB 대전방송