%ec%b4%88%ed%83%84%ec%84%b1
-
‘물리법칙 아는 AI’신소재 대량 탐색 척척!
신소재 개발의 핵심 단계인 ‘물성 규명’은 그동안 방대한 실험 데이터와 고가 장비에 의존해야 해 연구 효율이 낮다는 한계가 있었다. KAIST 연구진은 재료와 에너지의 변형과 상호작용을 지배하는 ‘물리법칙’을 AI와 결합한 새로운 기법을 통해, 데이터가 부족한 상황에서도 신소재를 신속히 탐색하고 나아가 재료·기계·에너지·전자 등 다양한 공학 분야의 설계와 검증까지 빠르게 수행할 수 있는 기반을 마련했다.
우리 대학 기계공학과 유승화 교수 연구팀이 경희대(총장 김진상) 임재혁 교수 연구팀과 한국전기연구원(원장 김남균, KERI) 류병기 박사와 각각 공동 연구를 통해, 물리 법칙을 인공지능 학습 과정에 직접 반영하는 물리 기반 머신러닝(Physics-Informed Machine Learning, PIML) 기법을 활용해, 적은 양의 데이터만으로도 소재 물성을 정확히 규명할 수 있는 새로운 방법을 제시했다고 2일 밝혔다.
첫 번째 연구에서는 고무와 같은 잘 늘어나는 초탄성(hyperelastic) 소재를 대상으로, 단 한번의 실험에서 얻은 적은 양의 데이터만으로도 재료의 변형 모습과 성질을 동시에 알아낼 수 있는 ‘물리 기반 인공 신경망(Physics-Informed Neural Network, PINN)’ 기법을 제시했다.
기존에는 많은 양의 복잡한 데이터를 모아야만 가능했지만, 이번 연구는 데이터가 부족하거나 제한적이거나 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 입증했다.
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.
나아가 연구팀은 자연의 물리 법칙까지 이해하는 인공지능인 ‘물리 기반 신경 연산자(Physics-Informed Neural Operator, PINO)’를 도입해 학습되지 않은 신소재에도 재학습 과정 없이 일반화가 가능함을 보여주었다.
실제로 20개 소재로 학습한 뒤, 60개의 새로운 소재를 대상으로 테스트했는데, 모두 높은 정확도로 성질을 맞혀냈다. 이로써 앞으로 수많은 신소재 후보를 빠르게 골라내는 고속·대량 소재 탐색이 가능해질 전망이다.
이번 성과는 단순히 ‘실험을 줄였다’는 수준을 넘어선다. 물리 법칙과 인공지능을 정교하게 결합해, 실험 효율은 높이고 신뢰성은 지킨 첫 사례이기 때문이다.
두 연구 모두 총괄하여 진행한 유승화 교수는 “이번 성과는 물리 법칙을 이해하는 인공지능을 실제 소재 연구에 적용한 첫 사례”라며, “데이터 확보가 제한적인 상황에서도 물성을 신뢰성 있게 규명할 수 있어 다양한 공학 분야로 확산될 것”이라고 말했다.
첫 번째 논문은 KAIST 기계공학과 문현빈·박동근 박사과정이 공동 제1 저자로 참여했으며 국제 학술지 ‘컴퓨터 매써드 인 어플라이드 머케닉스 엔 엔지니어링(Computer Methods in Applied Mechanics and Engineering)’에 8월 13일자에 게재되었다.
※논문 제목: Physics-informed neural network-based discovery of hyperelastic constitutive models from extremely scarce data
※DOI: https://doi.org/10.1016/j.cma.2025.118258
두 번째 논문은 KAIST 기계공학과 문현빈·이송호 박사과정, 와비 데메케(Wabi Demeke) 박사가 공동 제1 저자로 참여했으며 ‘엔피제이 컴퓨테이셔널 머티리얼즈(npj Computational Materials)’에 8월 22일자에 연이어 게재됐다.
※논문 제목: Physics-informed neural operators for generalizable and label-free inference of temperature-dependent thermoelectric properties
※DOI: https://doi.org/10.1038/s41524-025-01769-1
한편, 첫번째 연구는 한국연구재단·과학기술정보통신부 이노코어 프로그램 및 식품의약품안전처 연구과제의 지원을, 두번째 연구는 한국연구재단·과학기술정보통신부 이노코어 프로그램의 지원을 받아 수행됐다.
2025.10.02 조회수 1270 -
김봉수 교수팀, 초탄성 무결점 금속나노선 개발
화학과 김봉수 교수팀은 차세대 3차원 메모리 소자의 대량생산이 가능한 새로운 초탄성․무결점 금속 나노선(nanowire)을 개발했다. 이는 촉매없이 금속 나노선을 기판위에 손쉽게, 원하는 형태로 성장(epitaxial growth)시킬 수 있는 원천기술이다.
교육과학기술부(장관 안병만)는「21세기 프론티어연구개발사업」나노소재기술개발사업단(단장 서상희 박사)의 지원을 받은 KAIST 김봉수 교수 연구팀이 초탄성․무결점의 단결정 금속 나노선을 개발 하는데 성공했다고 18일 밝혔다.
지난 2004년 MIT 선정 10대 유망기술에 선정된 바 있는 나노선(nanowire)은 단면 지름이 수십에서 수 나노미터(1nm = 10억분의 1m) 정도인 극미세선으로, 트랜지스터, 메모리, 센서 등 첨단 전기전자 소자를 개발하는데 핵심적인 미래기술이다.
기존의 반도체 나노선은 정렬된 성장(epitaxial growth)이 가능했으나 금, 팔라듐 등 금속 나노선의 경우에는 적절한 촉매가 없어서 이러한 정렬된 성장을 실현하기 어려웠다.
KAIST 김봉수 교수 연구팀은 증기의 양, 온도, 압력 등을 최적으로 조절함으로써, 촉매 없이 금, 팔라듐, 및 금팔라듐 합금 나노선을 원하는 대로 방향성 있게 성장시키는 데 세계 최초로 성공하였다. 또한, 어떠한 물질이라도 기판 위에 씨앗 결정을 형성하기만 하면 잘 정렬된 나노선으로 성장시킬 수 있다는 사실을 밝혔다.
※ 질병을 일으키는 병원균의 DNA 농도에 따라 금나노선에 부착되는 금입자의 갯수가 달라짐(이 금입자의 갯수로 부터 병원균의 갯수를 검출) (스케일바 : 20 nm)
KAIST 화학과 김봉수 교수는 “이 기술을 한 단계 더 발전시켜 기판 위에 씨앗을 원하는 위치에 놓을 수 있다면, 나노선의 위치 및 방향을 마음대로 제어할 수 있게 되기 때문에, 차세대 3차원 메모리 소자의 대량생산이 가능해져 세계 메모리 산업에서 선도적 위치를 차지할 수 있을 것으로 기대된다.”고 밝혔다.
한편 이번 연구결과는 나노 분야의 세계적 권위지인 나노레터스(Nano Letters)지 1월 6일자 온라인 속보판에 소개되었으며, 현재 미국 및 독일 등에 특허 출원중이다.
[그림 1] 사파이어 기판 위에 수직으로 성장한 완전 단결정 금 나노선
이번에 개발된 기술을 통해 성장된 나노선은 초탄성(超彈性)․무결점 뿐만 아니라 완벽히 깨끗한 표면을 가지고 있다는 특징이 있어, 나노크기의 탄성에너지 저장장치, 나노안테나, 질병진단용 메디컬 센서 등 새로운 기술분야에 다양하게 응용가능하다.
[그림 2] 금 나노선을 이용한 질병진단 센서 (예)
2010.01.18 조회수 29621