【와티비커뮤니티-WATVcommunity】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 피해사례공유

로그인

채팅

글쓰기

[IT뉴스]고온 실험 없이 최적의 합금 설계 예측하는 AI

온카뱅크관리자

2025-07-14 11:27:32

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="6mICx1Cnya">
          <figure class="figure_frm origin_fig" contents-hash="a2562554ba8e68bb38ce16d797ccd0b59923bb9a73f3e3daa8b72a5d652be839" dmcf-pid="PsChMthLlg" dmcf-ptype="figure">
           <p class="link_figure"><img alt="KAIST가 개발한 최적의 합금 설계를 예측 AI 작동 방식. KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202507/14/dongascience/20250714112610861ofsf.png" data-org-width="680" dmcf-mid="8n48Yg8tTN" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202507/14/dongascience/20250714112610861ofsf.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            KAIST가 개발한 최적의 합금 설계를 예측 AI 작동 방식. KAIST 제공
           </figcaption>
          </figure>
          <p contents-hash="613dd39b1b56b25fdbb39ac87ec0aefc9c916cd8c52c9db7bdeb197b773e41bf" dmcf-pid="QOhlRFlovo" dmcf-ptype="general">고온의 실험 없이 인공지능(AI)으로 최적의 합금 설계를 예측하는 기술이 나왔다. </p>
          <p contents-hash="24a8d025c92b7cbb569f7aae66fdb5dc3a558e735406d60e28c5da875a0b035d" dmcf-pid="xIlSe3SgTL" dmcf-ptype="general">KAIST는 홍승범 신소재공학과 교수 연구팀이 크리스 울버튼 미국 노스웨스턴대 교수팀과 국제 공동연구를 통해 밀도범함수이론(DFT) 기반의 형성에너지 데이터를 활용해 합금이 녹을 때 성분이 유지되는지를 예측하는 고정확도 머신러닝 모델을 개발했다고 14일 밝혔다. </p>
          <p contents-hash="677c30efed68486a57f0a60f13aa00fe4d5ee47641b2e4ebe488ad79e1f69544" dmcf-pid="yV86Ga6Fln" dmcf-ptype="general">밀도범함수이론은 전자 밀도를 기반으로 시스템의 전체 에너지를 계산하는 방법이다. 형성에너지란 합금이 얼마나 안정적인지를 나타내는 값이다. </p>
          <p contents-hash="ce44326c6f31ca724b3cc2875c8307c087aa9b6d7e6146018eb1cff1dac2577d" dmcf-pid="WqK9SJ9HSi" dmcf-ptype="general">자동차와 기계 부품 등에 사용되는 강철 합금을 만들 때 성분이 변하지 않고 그대로 녹는 최적의 설계를 만들기는 쉬운 일이 아니다. 끊임없는 고온 실험을 통해 최적 설계를 알아내야 한다. 연구팀은 AI로 난제를 해결했다. </p>
          <p contents-hash="7beda6b4ed8c00a715daa831a57c100f5fca347e39f1d3fadd1694c12b302f59" dmcf-pid="YB92vi2XWJ" dmcf-ptype="general">연구팀은 밀도범함수이론을 통해 계산한 형성에너지와 기존 실험적 융해 반응 데이터를 머신러닝에 결합했다. AI로 두 가지 원소로만 이뤄진 화합물 4536종에 대한 융해 반응 유형을 학습한 후 예측 모델을 개발했다. </p>
          <p contents-hash="8adecaa8a01d5d9c8aaa44c81ff959b65c192359420f068bc5d0052f91585f11" dmcf-pid="Gb2VTnVZCd" dmcf-ptype="general">머신러닝 알고리즘인 ‘익스트림 그래디언트 부스팅(XGBoost)’ 기반 분류 모델이 합금이 잘 섞이는지 여부에 대해 가장 높은 정확도를 보였다. 약 82.5%의 예측 정확도를 달성했다. 고온의 실험 없이 AI로 최적의 합금 설계를 예측할 수 있는 것이다. </p>
          <p contents-hash="42ad7b3f9aa56af67470b3ee44208913ba75f92a4959bdbfedb21b95e9114474" dmcf-pid="HKVfyLf5le" dmcf-ptype="general">AI 모델이 도출한 주요 물리량은 합금이 잘 변하고 안정적인지 등에 대한 실제 실험 결과와 높은 일치도를 보였다. 향후 다양한 금속재료 개발 및 구조 안정성 예측 등 널리 활용될 수 있을 것으로 기대된다.</p>
          <p contents-hash="d99b202f573f0edbc6834986520dffa5c10e6c153c60640ff186a3e401c38ec8" dmcf-pid="X9f4Wo41WR" dmcf-ptype="general">연구의 가장 큰 의의는 고온 실험 없이도 소재의 융해 반응 경향성을 예측할 수 있다는 점이다. 이는 특히 고엔트로피 합금이나 초내열 합금 등 실험이 어려운 소재 군에서 매우 유용하며 향후 복잡한 다성분계 합금 설계에도 확장될 수 있다. </p>
          <p contents-hash="58874b18d6dfd0cc3f2c3bc7d854a9b6598a1d9e47981ea01d0cc571906e5458" dmcf-pid="Z248Yg8tTM" dmcf-ptype="general">홍 교수는 “연구는 계산과 실험 데이터 그리고 머신러닝의 융합을 통해 기존의 경험적 합금 설계 방식에서 벗어나 데이터 기반의 예측적 소재 개발이 가능하다는 가능성을 보여준 사례다”며 “향후 생성형 모델, 강화학습 등의 최신 AI 기술을 접목하면 완전히 새로운 합금을 자동으로 설계하는 시대가 열릴 것이다”고 말했다.</p>
          <p contents-hash="0e5b1a92ef29950f3ab354bc0749a065c8234490ed6139c155c07131ca01b80f" dmcf-pid="5V86Ga6Fvx" dmcf-ptype="general">제 1저자로 최영우 KAIST 박사과정생이 연구원이 참여한 이번 연구는 미국물리협회(AIP)에서 발간하는 머신러닝 분야의 국제학술지인 ‘APL 머신러닝(Machine Learning)’ 5월호에 게재 및 ‘특집 논문’으로 선정됐다. </p>
          <p contents-hash="a908f5b62bf787b25d06bb0f122f3db3072b5d876877967634422ddcc9cdf6c0" dmcf-pid="1f6PHNP3WQ" dmcf-ptype="general">&lt;참고자료&gt;<br> -DOI: https://doi.org/10.1063/5.0247514</p>
          <p contents-hash="d550e1c6b33d7a2973020b69d0107aec9e0ea120d41d948feff698d578001694" dmcf-pid="t4PQXjQ0TP" dmcf-ptype="general">[이채린 기자 rini113@donga.com]</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 동아사이언스. 무단전재 및 재배포 금지.</p>

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기