미국 매사추세츠공대(MIT) 연구진이 인공지능(AI)을 이용해 복잡한 금속 합금의 특성을 정확하게 예측하는 기술을 개발했다. 신소재 개발에 드는 시간과 비용을 획기적으로 줄일 수 있을 것으로 기대된다.
로드리고 프레이타스 MIT 재료과학공학과 교수 연구팀은 19일(현지시간) 국제 학술지 '사이언스 어드밴시스'에 이 같은 내용의 연구 결과를 발표했다.
기존에는 신소재의 실제 성능을 파악하기 위해 직접 시제품을 만들고 시험하는 과정을 거쳐야 했다. 가장 강력한 시뮬레이션 기술조차 오늘날 대부분의 고체 재료에서 나타나는 복잡한 화학적 배열을 모델링하는 데 어려움을 겪었기 때문이다. 특히 원자들의 화학적 배열이 불규칙하고 영역마다 다른 '화학적 무질서' 상태의 재료를 예측하는 것은 큰 난제였다.
연구팀은 머신러닝 모델의 훈련 데이터세트를 개선해 이 문제를 해결했다. 정보 이론으로 알려진 수학적 접근법을 활용해 원자 샘플을 교체하며 데이터의 반복을 줄이고, 모델이 놓칠 수 있는 다양한 국소 화학 환경에 노출시켰다. 이를 통해 더 적은 데이터로도 더 유용한 정보를 학습하는 효율적인 훈련이 가능해졌다.
프레이타스 교수는 "훈련 세트가 가능한 한 많은 다른 국소 환경을 포착하도록 최적화했다"며 "각 예시가 새로운 것을 추가하도록 만들어 훈련 세트의 정보 가치를 훨씬 높였다"고 설명했다.
이렇게 훈련된 모델은 기존 방식보다 훨씬 정확하게 재료 특성을 예측했다. 연구팀은 다양한 화학적 구성을 가진 금속 합금 그룹에 이 기술을 적용한 결과, 구글이나 마이크로소프트 같은 기업이 막대한 연산을 통해 만든 대규모 모델보다 더 높은 정확도를 보였다고 밝혔다.
이 기술은 재료의 상(相)이 온도와 화학적 구성에 따라 어떻게 변하는지 보여주는 '상태도'를 실험 데이터와 거의 일치하게 예측하는 데도 성공했다. 상태도는 합금 설계와 공정의 핵심 도구로 꼽힌다.
연구팀은 이 기술이 금속 합금뿐만 아니라 반도체, 지속 가능한 철강, 항공우주용 신소재 등 다양한 분야에 적용될 수 있을 것으로 보고 있다. 현재 연구팀은 합금의 구성 변화가 기계적 특성과 방사선 저항성에 미치는 영향을 연구하며, 혹독한 환경에서도 견디는 신소재 설계에 이 기술을 적용하고 있다.
프레이타스 교수는 "목표는 실제 재료 관련 결정이 내려지는 현장에서 이 예측 기술이 유용하게 쓰이도록 하는 것"이라고 강조했다.