![]() |
이번 과제 핵심 참여 교수진. (왼쪽부터) KAIST 조은애, 변혜령, 홍승범, 육종민 교수. /사진=KAIST 제공 |
연구팀은 다중 스케일 다중모드 영상화 기술과 머신러닝(기계학습) 기법을 융합해 고차원의 구조-물성, 공정-구조 상관관계를 도출했다.
이를 인공지능과 3차원 다중 스케일 프린팅 기술을 활용해 신소재 디자인부터 시장 진입까지 기간을 단축하는 비실행 플랫폼을 제안했다. 연구팀이 제시한 'M3I3' 플랫폼은 고용량 에너지 소재 디자인과 고밀도 메모리 소재, 고성능 자동차·항공 소재도 응용이 가능하다.
그동안 신소재는 시행착오와 도제식 비결 전수를 통해 발견돼왔다. 각종 무기와 그릇, 장신구가 좋은 예다. 광학현미경이 발명되며, 검의 미세구조와 강도를 이해하기 시작했고, 투좌전자현미경과 원자간력 현미경 발견으로 신소재를 영상화하기 시작했다.
머신러닝으로 생성한 가상의 데이터를 과학적인 기준에 맞춰 유의미한 빅데이터로 만들면 물성, 구조, 공정으로 연결되는 역설계 알고리즘을 개발할 수 있다. 이를 통해 미래에 필요한 물성을 갖는 신소재 공정 레시피를 신속하게 확보할 수 있게 된다.
홍 교수는 "신소재 영상화 기술과 머신러닝 기술을 융합하고, 3D 프린팅 기술을 다중 스케일 자동 합성 기술로 승화시키게 되면 20년 걸리던 신소재 개발 기간을 5년 이내로 단축할 수 있을 것"이라고 강조했다.
이번 연구엔 홍 교수가 제1저자, 리오치하오 박사가 제2저자로, 육종민, 변혜령, 양용수, 조은애, 최벽파, 이혁모 교수가 공동 저자로 참여했다. 연구는 국제 학술지 '에이씨에스 나노(ACS Nano)' 2월 12일 온라인판으로 출판됐다.
송익준 기자
중도일보(www.joongdo.co.kr), 무단전재 및 수집, 재배포 금지