데이터 적어도 소재 물성 정확하게 확인할 방법 찾아 작성일 10-02 24 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">KAIST, 경희대·전기연과 공동 연구<br>물리 법칙 내재화한 AII로 소량 데이터 기반 물성 규명</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="HZzhLiXDIO"> <p contents-hash="190bad99da26d0c65174e02066bdea9bb64a8950279e87bbf48c9a61e3b5fe0f" dmcf-pid="X5qlonZwEs" dmcf-ptype="general"> [이데일리 강민구 기자] 국내 연구진이 공동연구를 통해 신소재를 빠르게 탐색하고, 재료·기계·에너지·전자 등 다양한 공학 분야 설계와 검증에 활용할 방법을 찾았다.</p> <p contents-hash="675a25263ca5711e8f9609b6dbcdf42e86f6734b0539e50458fa2cb7779c56b0" dmcf-pid="Z1BSgL5rEm" dmcf-ptype="general">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.</p> <figure class="figure_frm origin_fig" contents-hash="358f50bfa5e814dbbc9af04c2c992745187df3e4f6c0037b8acb5723aa3a8ac8" dmcf-pid="5y3rRxTNEr" dmcf-ptype="figure"> <p class="link_figure"><img alt="(왼쪽부터)기계공학과 이송호, 박동근, 문현빈 박사과정, 유승화 교수.(사진=KAIST)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202510/02/Edaily/20251002095350945giam.jpg" data-org-width="670" dmcf-mid="GmmQ0Fo9sI" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202510/02/Edaily/20251002095350945giam.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> (왼쪽부터)기계공학과 이송호, 박동근, 문현빈 박사과정, 유승화 교수.(사진=KAIST) </figcaption> </figure> <div contents-hash="93f377cc01fadb9f7ca1bc24049dfb4e645d637a755e5ec0797ec9d30d4aed3d" dmcf-pid="1W0meMyjEw" dmcf-ptype="general"> 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. </div> <p contents-hash="0f3015cba1175be7a873c9c1431aa619f3debe92a88a8525f3eae9c7596bd379" dmcf-pid="tYpsdRWAsD" dmcf-ptype="general">기존에는 많은 양의 복잡한 데이터를 모아야만 가능했지만, 이번 연구를 통해 데이터가 부족하거나 제한적이거나 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 확인했다.</p> <p contents-hash="a8358899ec2f25f2dfb7cab0aa7d3198ef240563f62c2a57032bc61f0307d464" dmcf-pid="FGUOJeYcrE" dmcf-ptype="general">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.</p> <p contents-hash="522f2cd32297c208ffb47beaf2e1ba5f01c70dbd0c2ef680c62033a44f5e3e3e" dmcf-pid="3HuIidGksk" dmcf-ptype="general">또 자연의 물리 법칙까지 이해하는 AI인 ‘물리 기반 신경 연산자(PINO)’를 도입해 학습되지 않은 신소재에도 재학습 과정 없이 일반화가 가능하다는 사실을 확인했다.</p> <p contents-hash="d69eca8159d934dd7f264210a2f39bf4b579d9ffb823d15b1542b948f420988a" dmcf-pid="0X7CnJHEmc" dmcf-ptype="general">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.</p> <p contents-hash="ae6bea3102b41927c35ad7db16837b140fc9a49efcf03d4149de1073c8b0a502" dmcf-pid="pZzhLiXDsA" dmcf-ptype="general">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.</p> <p contents-hash="cbfac2ec8b279bcb9fe64239783682706584db7b516878bfb2656c675263653c" dmcf-pid="U5qlonZwwj" dmcf-ptype="general">강민구 (science1@edaily.co.kr) </p> </section> </div> <p class="" data-translation="true">Copyright © 이데일리. 무단전재 및 재배포 금지.</p> 관련자료 이전 ‘뉴스토리’ 참사 현장 구조 영웅들 10-02 다음 태원석 '판사 이한영' 합류…지성 절친 석정호 役 10-02 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.