티타늄 3D프린팅 최적의 공정조건 AI가 찾아준다
- - 금속 3D 프린팅의 공정 효율 및 고강도연신율 동시 달성 -
□ 광범위한 금속 3D프린팅의 공정 변수 속에서 최적의 조건을 빠르고 정확하게 탐색하는 인공지능 기술이 개발됐다.
□ 한국연구재단(이사장 홍원화)은 포항공과대학교 김형섭 교수와 KAIST 이승철 교수 공동연구팀이 인공지능 능동 학습 기법을 적용해 Ti-6Al-4V 합금*의 3D프린팅 공정 변수를 효율적으로 탐색, 고강도·고연신**의 금속 제품을 생산했다고 밝혔다.
*Ti-6Al-4V 합금: 가장 일반적으로 사용되는 티타늄 합금. 뛰어난 성능으로 항공우주, 자전거, 임플란트 등 전 산업 분야에 폭넓게 사용된다.
**고연신: 연신율이 높은 것. 연신율은 금속을 길게 늘이는 인장 시험에서 끊어질 때까지 얼마나 많이 늘어날 수 있는지를 나타내는 지표.. 일반적으로 연신율이 높은 재료일수록 가공성이 좋다.
□ 뛰어난 강도 및 생체 적합성으로 유명한 Ti-6Al-4V 합금은 금속3D 프린팅에서 가장 많이 사용되는 금속이다.
○ 3D프린팅 기술 중에서도 레이저 분말 베드 융합(LPBF)*은 복잡한 부품, 특히 Ti-6Al-4V 합금을 제조하기 위한 혁신적인 기술로 등장했다.
○ 하지만 이 합금을 3D프린팅할 때 침상형 마르텐사이트**가 형성돼 강도와 연성을 동시에 높이기 어렵다는 문제점이 있다.
○ 3D프린팅의 공정 변수와 열처리 조건을 조절해 최적의 물성을 도출하고자 하는 연구들이 있었지만 방대한 매개변수를 실험 및 시뮬레이션으로 탐색하기에는 한계가 있다.
*레이저 분말 베드 융합(LPBF): 3D 프린팅 기술의 하나로 고출력 레이저를 활용해 분말 금속을 층층이 융합하는 방식. 매우 복잡하고 정밀한 금속 부품을 만들 수 있는 혁신적인 3D 프린팅 기술로 등장해 의료 및 산업 현장에서 상용화되고 있다.
**마르텐사이트: 탄소와 철 합금에서 담금질을 할 때 생기는 준안정한 상태로 빗살무늬의 침상 조직을 띄고 강도가 매우 높다.
□ 연구팀은 Ti-6Al-4V 합금의 레이저 분말 베드 융합(LPBF) 3D프린팅 공정에서 최적의 변수를 찾는 데 걸리는 시간과 비용을 줄이기 위해 인공지능 능동 학습* 방식을 적용했다.
○ 119개의 기존 매개변수 조합 데이터 세트로 시작해 이 합금의 성능을 최적으로 향상시킬 가능성이 가장 높은 조합을 예측했다.
○ 능동 학습의 예측과 실험 검증을 반복적으로 진행함으로써 높은 극한 인장강도**와 연신율을 동시에 최적화하는 공정 변수를 탐색해 단 5번의 반복만으로 고성능 합금을 달성했다.
○ 이를 적용해 3D프린팅한 Ti-6Al-4V 합금은 최대 인장강도 1190MPa(메가파스칼), 최대 연신율 16.5%를 기록했다.
○ 이는 금속 3D프린팅으로 제조된 기존 부품의 성능과 비교했을 때 강도와 연신율 모두 매우 우수한 수치다.
*능동 학습: 전통적인 기계학습과는 달리 초기 라벨링된 일부 데이터를 이용해 모델 학습한 이후 재학습을 반복하는 과정을 통해 문제를 해결하는 인공지능 학습 방식. 기존 기계학습을 소재 개발과 같은 실험에 적용할 경우 충분한 양질의 데이터 확보에 한계가 있어 이를 극복하기 위한 방안으로 능동 학습 연구가 이뤄지고 있다.
**인장강도: 재료를 잡아당겨 늘렸을 때 끊어지기 전까지 가해지는 힘 중 가장 큰 힘. 인장강도 1000MPa 이상이면 초고강도강으로 불린다.
□ 김형섭 교수는 “능동 학습 기반 인공지능은 실험 설계를 단순화할 뿐만 아니라 미지의 매개변수를 효과적으로 탐색할 수 있어 재료과학 분야의 획기적인 발전을 이룰 것으로 기대한다”며 이번 연구의 잠재력을 강조했다.
□ 과학기술정보통신부와 한국연구재단이 추진하는 선도연구센터사업의 지원으로 수행된 이번 연구의 성과는 국제 학술지 ‘네이처 커뮤니케이션즈 (Nature communications)’에 1월 22일 게재됐다.
