KAIST와 노스웨스턴대 국제 공동연구진이 고온 실험을 통해서만 가능했던 합금 융해 특성을 인공지능(AI)을 적용해 예측할 수 있는 기술을 개발했다.
KAIST는 홍승범 신소재공학과 교수 연구팀이 크리스 울버튼(Chris Wolverton) 미국 노스웨스턴대 교수팀과 국제 공동연구를 통해 밀도범함수이론(DFT) 기반의 형성에너지(합금이 얼마나 안정적인지를 나타내는 값) 데이터를 활용해 합금이 녹을 때 성분이 유지되는지를 예측하는 고정확도 머신러닝 모델을 개발했다고 14일 밝혔다.
연구팀은 밀도범함수이론을 통해 계산한 형성에너지와 기존의 실험적 융해 반응 데이터를 머신러닝에 결합했다. 이어 4536개의 이원계 화합물에 대한 융해 반응 유형을 학습한 후 그 예측 모델을 구성했다.다양한 머신러닝 알고리즘 중 특히 ‘XGBoost’ 기반 분류 모델이 합금이 잘 섞이는지 여부에 대해 가장 높은 정확도를 보였다. 약 82.5%의 예측 정확도를 달성했다.
또한 연구팀은 AI가 어떤 이유로 그렇게 판단했는지를 알려주는 샤플리(Shapley) 기법을 활용해 모델의 주요 특징들을 분석했다. 이 중에서도 기울기 변화가 크다는 것은 그 조성에서 에너지적으로 안정한 상태가 형성된다는 뜻으로 ‘형성에너지 곡선의 기울기 변화’가 가장 중요한 인자로 도출됐다.
이 기술의 특징은 고온 실험 없이도 소재의 융해 반응 경향성을 예측할 수 있다는 점이다. 이는 특히 고엔트로피 합금이나 초내열 합금 등 실험이 어려운 소재 군에서 유용하다. 향후 복잡한 다성분계 합금 설계에도 확장될 수 있다.
또 AI 모델이 도출한 주요 물리량은 합금이 잘 변하고 안정적인지 등에 대한 실제 실험 결과와 높은 일치도를 보였다.
홍승범 KAIST 교수는 “이번 연구는 계산과 실험 데이터, 그리고 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.
최영우 신소재공학과 박사과정 연구원이 제1 저자로 참여한 이번 연구는 미국물리협회에서 발간하는 머신러닝 분야의 권위 있는 학술지인 ‘APL 머신러닝’ 5월호에 게재 및 ‘특집 논문’로 선정됐다.