고온 실험을 통해서만 확인할 수 있었던 합금 공정을 AI(인공지능)로 예측하는 기술이 국내에서 나왔다.
KAIST(카이스트)는 홍승범 신소재공학과 교수 연구팀이 미국 노스웨스턴대 연구팀과 함께 합금이 녹을 때 성분이 얼마나 유지되는지 예측하는 고 정확도 머신러닝(기계학습) 모델을 개발했다고 14일 밝혔다. 이번 연구는 국제 학술지 'APL 머신러닝' 5월호에서 '특집 논문'으로 선정됐다.
자동차와 기계 부품 등에 사용되는 강철 합금은 일반적으로 고온에서 녹이는(용해) 공정을 거친다. 이때 성분이 변하지 않고 그대로 녹는 현상을 '합치 융해'라고 한다. 합금이 융해될 때 나타나는 특성을 연구하면 합금 제작 과정에서의 효율성을 높이고 소재의 질을 높일 수 있다. 다만 지금까지는 고온 환경을 갖춘 실험을 통해서만 융해 특성을 확인할 수 있었다.
연구팀은 밀도범함수이론을 접목해 융해 특성을 예측하는 AI를 개발했다. 밀도범함수이론은 전자 밀도를 기반으로 시스템의 전체 에너지를 계산하는 방법을 말한다.
연구팀은 밀도범함수이론을 통해 형성에너지를 계산한 뒤, 기존 실험들로 얻은 반응 데이터 4536개를 AI에 학습시켰다. 이때 다양한 머신러닝 알고리즘을 활용해 성능을 비교했는데, 그중 'XGBoost(XG 부스트)'라고 불리는 분류 모델이 가장 높은 정확도를 보였다. XG 부스트는 합금이 잘 섞이는지 여부에 대해 약 82.5%의 예측 정확도를 달성했다.
나아가 '설명 가능한 AI'의 일종인 '샤플리(Shapley)' 기법을 활용해 AI 모델이 예측 과정에서 어떤 요소를 가장 중요한 판단 근거로 삼았는지도 확인했다. AI는 '형성에너지 곡선의 기울기 변화'를 기준으로 합금의 융해를 예측했다.
홍승범 교수는 "계산과 실험 데이터, 머신러닝을 융합해 데이터 기반의 예측적 소재 개발의 가능성을 보여준 사례"라며 "향후 생성형 모델, 강화학습 등 최신 AI 기술을 접목하면 완전히 새로운 합금을 자동으로 설계할 수 있을 것"이라고 했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 지원으로 수행됐다.