국내 연구팀이 물리 법칙을 인공지능(AI) 모델에 내재해 적은 데이터로도 소재의 물성을 정확하게 파악할 수 있는 기술을 개발했다.
KAIST는 유승화 기계공학과 교수팀이 임재혁 경희대 교수팀, 류병기 한국전기연구원 선임연구원과 공동연구를 통해 물리 법칙을 AI 학습 과정에 직접 반영하고 적은 데이터로도 소재 물성을 정확히 규명하는 방법을 새로 제시했다고 2일 밝혔다. 연구결과는 8월 13일 국제학술지 '컴퓨터 매써드 인 어플라이드 머케닉스'와 같은달 22일 국제학술지 '엔피제이 컴퓨테이셔널 머티리얼즈'에 발표됐다.
신소재 개발의 핵심은 소재의 물성을 정확히 알아내는 것이다. 방대한 실험 데이터와 고가의 장비에 의존한다는 점이 효율적인 연구의 걸림돌이다. 연구팀은 재료의 에너지와 변형, 상호작용을 지배하는 물리 법칙을 AI 학습 과정에 직접 반영한 물리 기반 머신러닝(PIML) 기법을 제시했다. 데이터가 제한적이거나 잡음이 포함된 상황에서도 안정적으로 소재 특성을 구현할 수 있는 방법이다.
연구팀은 첫 연구에서 고무처럼 잘 늘어나는 초탄성 소재를 주제로 단 한번의 실험에서 얻어낸 데이터만으로 재료의 변형된 모습과 성질을 동시에 알아내는 데 성공했다.
두 번째 연구는 열과 전기를 상호 전환하는 열전 소재를 대상으로 진행됐다. 몇 개의 측정값만으로도 열을 얼마나 잘 전달하는지, 전기를 얼마나 잘 만드는지를 추정하는 방법이 제안됐다.
연구팀은 연구결과를 토대로 학습되지 않은 신소재에도 일반화가 가능한 '물리 기반 신경 연산자(PINO)' 기술을 개발했다. PINO로 20개 소재를 학습한 AI에 새로운 소재 60개를 제시한 결과 높은 정확도로 물성을 파악하는 데 성공했다.
이번 연구결과는 다수의 신소재 후보를 빠르게 골라내는 탐색 과정에 활용될 것으로 기대된다.
유 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 확산될 것"이라고 밝혔다.
<참고 자료>
- doi.org/10.1016/j.cma.2025.118258
- doi.org/10.1038/s41524-025-01769-1
