연구성과
신소재 이병주 교수팀, ‘우수한 제품 만들어주세요’ AI에 입력하면 뚝딱
[이병주·김형섭 교수 공동 연구팀, 인공지능으로 금속 제품 공정 효율 향상]
생성형 인공지능 챗지피티(Chat GPT)는 사용자가 원하는 대로 글을 써주는 것은 물론, 음악을 작곡하고 미술 작품도 만든다. 마치 식당에서 음식 주문을 하듯이 주문서에 입력한 대로 제품을 뚝딱 만들어내는 것이다. 최근 이 인공지능 기술을 활용해 금속 제품 공정의 효율을 높인 연구가 발표되어 화제를 모으고 있다.
신소재공학과 이병주 교수 · 통합과정 왕재민 씨, 친환경소재대학원 · 신소재공학과 김형섭 교수, 신소재공학과 박사과정 정상국 씨 · 통합과정 김은성 씨 공동 연구팀은 우수한 품질의 금속 제품을 생산할 수 있도록 최적의 설계조건을 알려주는 인공지능 모델을 개발했다. 이번 연구는 국제 학술지인 ‘네이처 커뮤니케이션즈(Nature Communications)’ 특집 논문(featured article)으로 선정됐다.
L-PBF(Laser powder bed fusion) 공정은 분말 형태의 금속을 녹였다가 냉각하는 과정을 반복하며 여러 금속층을 쌓아 제품을 생산한다. 이 공정은 재료 선택에 제한이 적다는 장점이 있지만 공정 중 발생하는 기공(구멍)으로 인해 제품에 균열이 생겨 품질이 떨어지는 경우가 많았다.
이 문제를 해결하기 위해 연구팀은 머신 러닝(machine learning) 기술을 선택했다. 연구팀은 학계에 보고된 선행 연구 데이터를 활용해 다양한 금속 특성과 공정 조건을 인공지능 컴퓨터로 분석했다. 그리고, 제품의 상대 밀도가 98% 이상이 되도록 공정 조건을 설계하는 머신 러닝 기반 방법론을 만들었다.
연구팀이 출력값으로 선택한 상대 밀도는 기공과 반비례하는 지표로 상대 밀도가 높을수록 기공이 적고, 품질이 우수한 제품임을 나타낸다. 또, 연구팀은 데이터의 편향성을 보완하고 결과의 신뢰도를 높이기 위해 시그모이드(sigmoid)*1 함수를 활용하고, SHAP(SHapley Additive exPlanations) 분석*2도 함께 진행했다.
연구팀은 이 모델로 스테인리스강과 알루미늄 합금 등 여러 합금 분말을 사용한 실험에서 상대 밀도 98% 이상의 제품을 생산하는 데 성공했다. 연구를 통해 개발한 모델을 검증하고, 실용성도 확인한 것이다. 이번 연구는 하나의 재료에 대해서만 최적의 공정 조건을 도출한 기존과 달리 금속 종류에 상관없이 보편적으로 적용할 수 있는 인공지능 모델을 개발했다는 점에서 큰 의의가 있다.
이번 연구를 이끈 이병주 교수는 “선행 연구의 데이터와 전문지식에 기반한 통찰력으로 실용적인 머신러닝 모델을 개발했다”며, “머신러닝 기술에서는 이러한 데이터베이스 구축과 분야별 전문성 확보가 중요하다”고 강조했다.
한편, 이 연구는 한국연구재단의 선도연구센터사업과 중견연구과제의 지원으로 진행됐다.
1. 시그모이드(sigmoid) 함수
입력된 데이터를 0과 1 사이의 값으로 출력하는 비선형 함수로 미분가능한 연속성을 가진 함수이다. 인공신경망의 활성화 함수로 사용된다.
2. SHAP(SHapley Additive exPlanations) 분석
각 특성이 예측에 미치는 영향을 평가하고, 이를 통해 모델의 예측을 설명할 수 있습니다.