▲파레토 능동 학습 프레임워크는 반복 프로세스를 통해 구현되었으며, 각 반복의 레이블이 지정되지 않은 데이터 세트에서 LPBF 공정변수와 후 열처리 조건의 두 가지 조합을 예측했다. 각 반복마다 선택된 조합을 기반으로 Ti-6Al-4V 합금을 제작하고 새로 획득된 데이터는 학습 데이터에 추가되어 파레토 전선을 확장시켰다. 총 5번의 반복으로 기존의 연구 결과들보다 강도 및 연성 모두에서 뛰어난 합금을 구현했다. (그림 : 포항공대 이정아 대학원생)
금속 3D프린팅의 다양한 공정 변수 속에서 최적의 조건을 빠르고 정확하게 탐색하는 인공지능 기술이 개발됐다.
한국연구재단(이사장 홍원화)은 포항공대 김형섭 교수와 KAIST 이승철 교수 공동연구팀이 인공지능 능동 학습 기법을 활용하여 Ti-6Al-4V 합금의 3D프린팅 공정 변수를 효율적으로 탐색해 고강도·고연신의 금속 제품을 생산했다고 5일 밝혔다.
Ti-6Al-4V 합금은 항공우주, 자전거, 임플란트 등 다양한 산업에서 널리 활용되는 대표적인 티타늄 합금으로, 3D프린팅 기술 중 레이저 분말 베드 융합(LPBF) 방식을 통해 제조된다. 그러나 기존 공정에서는 침상형 마르텐사이트 형성으로 인해 강도와 연성을 동시에 높이기 어려운 문제가 있었다.
이번 연구에서는 이러한 문제를 해결하기 위해 인공지능 능동 학습 방식을 도입했다. 연구팀은 119개의 기존 매개변수 조합 데이터를 기반으로 가장 높은 성능을 낼 가능성이 있는 조합을 예측한 뒤, 실험 검증을 반복하며 최적의 공정 변수를 도출했다. 그 결과 단 5번의 반복만으로 고성능 합금을 구현하는 데 성공했다.
연구진이 AI 기반 탐색법을 적용해 3D프린팅한 Ti-6Al-4V 합금은 최대 인장강도 1190MPa, 최대 연신율 16.5%를 기록했다. 이는 기존 금속 3D프린팅 부품 대비 강도와 연신율 모두 우수한 수준이다.
김형섭 교수는 “능동 학습 기반 인공지능 기술은 실험 설계를 단순화할 뿐만 아니라 미지의 매개변수를 효과적으로 탐색할 수 있어 재료과학 분야에서 혁신적인 발전을 가져올 것"이라고 밝혔다.
이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 선도연구센터사업의 지원을 받아 수행됐으며, 연구 성과는 국제 학술지 '네이처 커뮤니케이션즈 (Nature Communications)'에 1월 22일 게재됐다.
▲연구진 (왼쪽부터) 공동교신저자 김형섭․이승철, 공동1저자 이정아․박재정
※ 논문정보
- 논문명 : Active Learning Framework to Optimize Process Parameters for Additive-manufactured Ti-6Al-4V with High Strength and Ductility
- 저널명 : Nature communications
- 키워드 : Additive manufacturing, Laser powder bed fusion, Ti-6Al-4V, Multi-objective optimization, Active learning
- 저 자 : 김형섭(공동교신저자, POSTECH), 이정아(공동1저자, POSTECH), 이승철(공동교신저자, KAIST), 박재정(공동1저자, KAIST), 사공만재(공저자, POSTECH), 안성열(공저자, POSTECH), 조중욱(공저자, POSTECH)
;){kind=link}