데이터 적어도 소재 물성 정확하게 확인할 방법 찾아

[이데일리 강민구 기자] 국내 연구진이 공동연구를 통해 신소재를 빠르게 탐색하고, 재료·기계·에너지·전자 등 다양한 공학 분야 설계와 검증에 활용할 방법을 찾았다.

한국과학기술원(KAIST)은 유승화 기계공학과 교수 연구팀이 임재혁 경희대 교수 연구팀, 류병기 한국전기연구원 박사팀과 ‘물리 기반 머신러닝(PIML)’ 기법을 활용해 적은 양의 데이터만으로도 소재 물성을 규명할 방법을 제시했다고 2일 밝혔다.

(왼쪽부터)기계공학과 이송호, 박동근, 문현빈 박사과정, 유승화 교수.(사진=KAIST)

연구팀은 첫 번째 연구에서 고무와 같은 잘 늘어나는 초탄성 소재를 대상으로 한번의 실험에서 얻은 적은 양의 데이터만으로도 재료의 변형 모습과 성질을 동시에 알아낼 수 있는 ‘물리 기반 인공 신경망(PINN)’ 기법을 활용했다.

기존에는 많은 양의 복잡한 데이터를 모아야만 가능했지만, 이번 연구를 통해 데이터가 부족하거나 제한적이거나 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 확인했다.

두 번째 연구에서는 열을 전기로, 전기를 열로 바꾸는 신소재인 ‘열전 소재’를 대상으로 단 몇 개의 측정값만으로도 열을 얼마나 잘 전달하는지(열전도도)와 전기를 얼마나 잘 만들어내는지(제벡 계수) 같은 핵심 지표를 추정할 수 있는 PINN 기반 역추정 기법을 제안했다.

또 자연의 물리 법칙까지 이해하는 AI인 ‘물리 기반 신경 연산자(PINO)’를 도입해 학습되지 않은 신소재에도 재학습 과정 없이 일반화가 가능하다는 사실을 확인했다.

유승화 교수는 “물리 법칙을 이해하는 AI를 실제 소재 연구에 적용한 첫 사례”라며 “데이터 확보가 제한적인 상황에서도 물성을 신뢰성 있게 규명할 수 있어 다양한 공학 분야로 확산할 수 있다”고 말했다.

연구 결과는 국제 학술지 ‘컴퓨터 매써드 인 어플라이드 머케닉스 엔 엔지니어링(Computer Methods in Applied Mechanics and Engineering)’와 ‘엔피제이 컴퓨테이셔널 머티리얼즈(npj Computational Materials)’에 각각 8월 13일자와 같은달 22일자로 게재됐다.