여백
HOME Latest News Latest left
인공지능으로 꿈의 금속 소재 개발

XAI가 5분 안에 골라준 소재는 강도와 연성 모두 뛰어나

UNIST·경상국립대·KIMS, XAI 기술로 고강도 초경량 알루미늄 개발

 

좌로 부터 성효경 경상국립대 교수 , 세프카야니 경상국립대 박사, 정임두 UNIST 기계공학과 교수, 박서빈 UNIST 연구원

고강도 경량 알루미늄 합금은 자동차, 항공, 건설 분야에 이르기까지 광범위하게 사용이 되어 왔다. 최근에는 탄소 중립 2050을 실현을 위한 방안 중 한 가지로 미래 모빌리티의 차체 경량화의 중요성이 점차 커지고 있으며, 알루미늄 합금이 이를 뒷받침할 핵심적인 소재로 주목받고 있다.

최근 인공 지능(AI)을 이용해 개인용 비행체 (PAV)나 초고속 기차에 쓰이는 합금(여러 금속 원소를 섞은 소재)의 원소 조합과 제작 공정을 설계하는 기술이 나왔다. AI가 찾아낸 원소 조합과 공정으로 만든 합금 소재는 기존 상용 소재(7068-T6 합금) 보다 강도가 20% 이상 세고, 연성(늘어나는 성질)은 2.5배 이상 뛰어났다. 이 기술에는 ‘설명 가능한 인공지능’ (XAI)기술이 적용됐다는 점도 주목된다. AI가 특정 조합과 공정을 추천한 이유가 무엇인지 알 수 있어서 이를 바탕으로 다양한 미래 모빌리티용 합금 소재 개발에 응용할 수 있을 것으로 기대된다.

UNIST(울산과학기술원)는 기계공학과 정임두 교수 연구팀이 AI 기술을 이용한 새로운 고강도 경량 알루미늄 합금 설계 기술을 개발했다고 21일 밝혔다. 이번 연구는 경상국립대학교, 한국재료연구원, 포스텍과 공동으로 진행했다.

7000계열 알루미늄 합금의 미세조직 분석 결과

소재 강도와 연성이 서로 반비례하는 일반적 특성은 더 강하지만 가공하기도 편한 꿈의 소재를 찾으려는 수많은 도전의 걸림돌이 되어왔다. 합금 설계 시 강도가 높으면서도 충분한 연성을 가지는 최적의 첨가 원소 혼합 비율과 공정 조건을 찾아내야만 하는데, 이를 실험적으로 찾는 것은 엄청난 시간과 비용이 소모된다.

공동 연구진은 최적의 강도와 연성을 갖는 첨가 원소 조합과 공정 조건을 빠르게 찾는 딥러닝 AI 모델을 개발했다. 추천 알고리즘을 이용하여 우수한 기계적 특성을 지닐 것으로 예측되는 합금의 공정 조건도 얻었다. 추천 과정 또한 5분이 채 걸리지 않아 복잡하고 오래 걸리는 실험 없이 설계자가 원하는 공정 조건을 빠르게 얻을 수가 있다.

AI가 추천한 새로운 화학 조성과 공정 조건을 따라 실제 7000시리즈 알루미늄 합금을 제작해 본 결과 710MPa(메가파스칼) 이상의 항복강도를 유지하면서도 20%의 연성을 갖는 고강도 합금을 제작할 수 있었다. 널리 사용되는 상용 소재는 590MPa(메가파스칼) 정도의 항복 강도와 8% 수준의 연성을 지녔다.

개인용 비행체 등에 쓸 수 있는 고강도 경량 합금을 XAI 기술로 설계함. (가운데 그림은 합금 소재의 미세조직을 분석한 사진임)

특히 합금 설계 엔지니어가 화학 조성과 공정 조건이 합금의 기계적 특성에 미치는 영향을 정량적으로 파악할 수 있다는 것이 개발한 기술의 장점이다. 설명 가능한 인공지능 기술을 적용한 덕분이며, AI가 특정 조합과 공정 과정을 왜 추천했는지 그 이유를 알 수 있어 AI모델의 결과에 대한 신뢰도를 높일 수 있다. 연구팀은 AI의 추천을 받아 실제 제작한 합금의 미세조직을 분석한 결과 ‘설명 가능한 알고리즘’의 해석은 실제 재료 공학적 이론에도 서로 잘 부합함을 확인했다.

제1 저자인 박서빈 학생은 “이번 기술은 알루미늄 합금뿐만 아니라 다른 경량 합금 소재 생산에도 폭넓게 적용할 수 있어, 소재 개발 기간과 비용을 획기적으로 줄일 수 있을 것으로 기대한다”고 밝혔다.

설명 가능한 인공지능(XAI)이 설명한 공정조건이 기계적 특성에 미친 영향도

공동 교신저자인 경상국립대학교 성효경 교수는 “설명 가능한 인공지능을 통해 강도를 강화하는 주요 인자들을 직접적으로 이해할 수 있다는 점에서 기술의 신뢰도와 응용성을 높였다”며 “향후 고강도 초경량 소재 개발에 큰 기여를 할 수 있을 것”이라고 밝혔다.

교신저자로 연구를 총괄한 정임두 교수는 “실험적인 방법만으로는 찾기가 어려웠던 높은 기계적인 특성을 가지는 경량 금속을 설명가능 인공지능과의 융합연구를 통해 찾아내었으며, 이는 탄소중립 시대의 모빌리티 생산에 있어 갈수록 높아지는 차체 경량화에 대한 수요를 맞추면서도 안정성을 극대화 할 수 있는 핵심적인 기술이 될 것“으로 기대했다.

이번 연구 결과는 금속 분야 JCR 상위 7% 이내 국제 학술지인 ‘저널 오브 알로이 앤 컴파운드’ (Journal of Alloys and Compounds)에 지난 1월 게재되었다. 논문명은 High Strength Aluminum Alloys Design via Explainable Artificial Intelligence이며 이 연구는 한국연구재단, 산업통상자원부, 산업기술평가관리원(KEIT)의 연구 지원을 통해 이루어졌다.

[연구그림] 추천된 공정조건으로 실제 제작된 합금의 미세조직 분석 결과
[연구그림] 합금 공정 과정과 조성이 알루미늄 합금의 미세구조와 기계적 특성이 미치는 영향 분석
합금 공정 과정과 조성이 알루미늄 합금의 미세구조와 기계적 특성이 미치는 영향 분석

용어

1. 딥러닝 (Deep learning)

딥러닝은 여러 층을 가진 인공신경망 (Artificial Neural Network, ANN)을 사용하여 머신 러닝 학습을 수행하는 것으로 기계가 자동으로 대규모 데이터에서 중요한 패턴 및 규칙을 학습하고, 이를 토대로 의사 결정이나 예측 등을 수행하는 기술로 정의한다.

2. 설명 가능한 인공지능 (eXplainable Artificial Intelligence, XAI)

설명 가능한 인공지능이란 해석 가능한 인공지능이라고도 하며, 인공지능 모델이 특정 결론을 내리기까지 어떤 근거로 의사 결정을 내렸는지를 알 수 있게 설명 가능성을 추가하는 기법이다. 인공지능에 설명 능력을 부여해 기계와 인간의 상호작용에 합리성을 확보할 수 있다.

3. K 겹 교차 검증 (K-fold cross validation)

k겹 교차 검증이란 딥러닝 학습에 충분한 데이터가 없을 때 한정된 데이터 세트를 k개로 나누어 하나씩 테스트 세트로 사용하고 나머지를 모두 합하여 트레이닝 세트로 사용하는 방법이다. 이로써 한정된 데이터의 100%를 테스트 세트로 사용하여 모델의 평가 지표에 편향이 생기는 것을 막을 수 있다.

4. 베이지안 최적화 (Bayesian Optimization)

베이지안 최적화는 어느 입력값을 받는 미지의 목적 함수를 상정하여 해당 함숫값을 최대로 만드는 최적의 해를 찾는 것을 목적으로 한다. 순차적으로 하이퍼파라미터를 업데이트해 가면서 평가를 통해 최적의 하이퍼파라미터 조합을 탐색할 수 있다.

UNIST 홍보실 제공

 

노벨사이언스  webmaster@nobelscience.net

<저작권자 © 노벨사이언스, 무단 전재 및 재배포 금지>

노벨사이언스의 다른기사 보기
icon인기기사
기사 댓글 0
전체보기
첫번째 댓글을 남겨주세요.
여백
여백
여백
Back to Top