KAIST, AI 기반 신소재 물성 규명 기술 개발

적은 데이터로도 소재 특성 정확히 예측… 공학 설계·검증까지 활용 가능

2025-10-05 남수현 기자

▲ 소재 물성 파악을 위한 물리기반 머신러닝 방법론 개략도.(사진=한국과학기술원 제공)

[충청신문=대전] 남수현 기자 = 국내 연구진이 물리법칙 기반 인공지능을 활용해, 적은 데이터만으로도 신소재의 물성을 정확히 규명하고 신속히 탐색할 수 있는 기법을 개발했다.

한국과학기술원(KAIST)은 기계공학과 유승화 교수 연구팀이 경희대 임재혁 교수팀, 한국전기연구원(KERI) 류병기 박사팀과 공동으로, 물리 법칙을 AI 학습 과정에 직접 반영하는 물리 기반 머신러닝(Physics-Informed Machine Learning, PIML) 기법을 활용해 적은 양의 데이터만으로도 소재 물성을 정확히 규명할 수 있는 새로운 방법을 제시했다고 5일 밝혔다.

첫 번째 연구에서는 고무와 같은 잘 늘어나는 초탄성(hyperelastic) 소재를 대상으로, 단 한 번의 실험에서 얻은 소량의 데이터만으로도 재료의 변형 모습과 성질을 동시에 예측할 수 있는 물리 기반 인공신경망(Physics-Informed Neural Network, PINN) 기법을 선보였다.

기존 방식은 많은 데이터를 필요로 했지만, 이번 연구는 데이터가 제한적이거나 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 보여줬다.

두 번째 연구에서는 열을 전기로, 전기를 열로 변환하는 열전 소재를 대상으로 단 몇 개의 측정값만으로 열전도도와 제벡 계수 등 핵심 지표를 추정할 수 있는 PINN 기반 역추정 기법을 개발했다.

나아가 연구팀은 자연의 물리법칙까지 이해하는 AI인 물리 기반 신경 연산자(Physics-Informed Neural Operator, PINO)를 도입해 학습되지 않은 신소재에도 재학습 없이 일반화가 가능함을 입증했다.

실제로 20개 소재로 학습한 뒤 60개의 새로운 소재를 대상으로 테스트한 결과, 모두 높은 정확도로 성질을 맞혀냈다. 이로써 앞으로 수많은 신소재 후보를 빠르게 선별하는 고속·대량 소재 탐색이 가능할 전망이다.

유승화 교수는 “이번 성과는 물리 법칙을 이해하는 AI를 실제 소재 연구에 적용한 첫 사례”라며 “데이터 확보가 제한적인 상황에서도 물성을 신뢰성 있게 규명할 수 있어 재료·기계·에너지·전자 등 다양한 공학 분야로 확산될 것”이라고 말했다.