News Letter / 회원동정
김형섭 (POSTECH) · 이승철 (KAIST) 회원 공동 연구팀, 티타늄 3D프린팅 최적 공정조건 AI로 탐색…고강도 금속 제품 생산 성공
김형섭 (POSTECH) · 이승철 (KAIST) 회원 공동 연구팀, 티타늄 3D프린팅 최적 공정조건 AI로 탐색…고강도 금속 제품 생산 성공
▲ (왼쪽부터) 김형섭 포항공대(POSTECH) 교수, 이승철 한국과학기술원(KAIST) 교수
광범위한 금속 3D프린팅 공정 변수 속에서 최적의 조건을 빠르고 정확하게 탐색하는 인공지능(AI) 기술이 개발됐다.
우리 학회 회원인 김형섭 포항공대(POSTECH) 교수와 이승철 한국과학기술원(KAIST) 교수 공동 연구팀이 AI 능동 학습 기법을 적용해 Ti-6Al-4V 합금의 3D프린팅 공정 변수를 효율적으로 탐색, 고강도·고연신 금속 제품을 생산했다.
Ti-6Al-4V 합금은 가장 일반적으로 사용되는 티타늄 합금으로 뛰어난 강도 및 생체 적합성을 가졌다.
3D프린팅 기술 가운데 레이저 분말 베드 융합(LPBF)은 Ti-6Al-4V 합금을 제조하기 위한 혁신 기술로 등장했으나, 이 합금을 3D프린팅할 때 침상형 마르텐사이트(탄소와 철 합금에서 담금질을 할 때 생기는 준안정 상태)가 형성돼 강도와 연성을 동시에 높이기 어렵다는 문제점이 있다.
연구팀은 Ti-6Al-4V 합금의 LPBF 3D프린팅 공정에서 최적의 변수를 찾는 데 걸리는 시간과 비용을 줄이기 위해 AI 능동 학습 방식을 적용했다. 119개 기존 매개변수 조합 데이터 세트로 시작해 이 합금 성능을 최적으로 향상할 가능성이 가장 큰 조합을 예측했다.
능동 학습 예측과 실험 검증을 반복적으로 진행함으로써 높은 극한 인장강도와 연신율을 동시에 최적화하는 공정 변수를 탐색, 단 5번의 반복만으로 고성능 합금을 달성했다.
이를 적용해 3D프린팅한 Ti-6Al-4V 합금은 최대 인장강도 1190메가파스칼(MPa), 최대 연신율 16.5%를 기록했다.
이는 금속 3D프린팅으로 제조된 기존 부품 성능과 비교했을 때 강도와 연신율 모두 매우 우수한 수치다.
김형섭 교수는 “능동 학습 기반 AI는 실험 설계를 단순화할 뿐만 아니라 미지의 매개변수를 효과적으로 탐색할 수 있어 재료과학 분야의 획기적인 발전을 이룰 것으로 기대한다”며 이번 연구 잠재력을 강조했다.
한편 이번 연구성과는 국제 학술지 '네이처 커뮤니케이션즈 (Nature communications)'에 1월 22일 게재됐다.
■ 논문 정보
* 저널명: Nature communications
* 논문명: Active learning framework to optimize process parameters for additive-manufactured Ti-6Al-4V with high strength and ductility
* DOI: https://doi.org/10.1038/s41467-025-56267-1
-출처: 뉴스1, 전자신문, 이코노미사이언스
김형섭 (POSTECH) · 이승철 (KAIST) 회원 공동 연구팀, 티타늄 3D프린팅 최적 공정조건 AI로 탐색…고강도 금속 제품 생산 성공
김형섭 (POSTECH) · 이승철 (KAIST) 회원 공동 연구팀, 티타늄 3D프린팅 최적 공정조건 AI로 탐색…고강도 금속 제품 생산 성공
▲ (왼쪽부터) 김형섭 포항공대(POSTECH) 교수, 이승철 한국과학기술원(KAIST) 교수
광범위한 금속 3D프린팅 공정 변수 속에서 최적의 조건을 빠르고 정확하게 탐색하는 인공지능(AI) 기술이 개발됐다.
우리 학회 회원인 김형섭 포항공대(POSTECH) 교수와 이승철 한국과학기술원(KAIST) 교수 공동 연구팀이 AI 능동 학습 기법을 적용해 Ti-6Al-4V 합금의 3D프린팅 공정 변수를 효율적으로 탐색, 고강도·고연신 금속 제품을 생산했다.
Ti-6Al-4V 합금은 가장 일반적으로 사용되는 티타늄 합금으로 뛰어난 강도 및 생체 적합성을 가졌다.
3D프린팅 기술 가운데 레이저 분말 베드 융합(LPBF)은 Ti-6Al-4V 합금을 제조하기 위한 혁신 기술로 등장했으나, 이 합금을 3D프린팅할 때 침상형 마르텐사이트(탄소와 철 합금에서 담금질을 할 때 생기는 준안정 상태)가 형성돼 강도와 연성을 동시에 높이기 어렵다는 문제점이 있다.
연구팀은 Ti-6Al-4V 합금의 LPBF 3D프린팅 공정에서 최적의 변수를 찾는 데 걸리는 시간과 비용을 줄이기 위해 AI 능동 학습 방식을 적용했다. 119개 기존 매개변수 조합 데이터 세트로 시작해 이 합금 성능을 최적으로 향상할 가능성이 가장 큰 조합을 예측했다.
능동 학습 예측과 실험 검증을 반복적으로 진행함으로써 높은 극한 인장강도와 연신율을 동시에 최적화하는 공정 변수를 탐색, 단 5번의 반복만으로 고성능 합금을 달성했다.
이를 적용해 3D프린팅한 Ti-6Al-4V 합금은 최대 인장강도 1190메가파스칼(MPa), 최대 연신율 16.5%를 기록했다.
이는 금속 3D프린팅으로 제조된 기존 부품 성능과 비교했을 때 강도와 연신율 모두 매우 우수한 수치다.
김형섭 교수는 “능동 학습 기반 AI는 실험 설계를 단순화할 뿐만 아니라 미지의 매개변수를 효과적으로 탐색할 수 있어 재료과학 분야의 획기적인 발전을 이룰 것으로 기대한다”며 이번 연구 잠재력을 강조했다.
한편 이번 연구성과는 국제 학술지 '네이처 커뮤니케이션즈 (Nature communications)'에 1월 22일 게재됐다.
■ 논문 정보
* 저널명: Nature communications
* 논문명: Active learning framework to optimize process parameters for additive-manufactured Ti-6Al-4V with high strength and ductility
* DOI: https://doi.org/10.1038/s41467-025-56267-1
-출처: 뉴스1, 전자신문, 이코노미사이언스