시뮬레이션을 활용해 훈련한 인공지능의 X-ray Computed Tomography 이미지의 상 분리 결과(KAIST 제공) © 뉴스1

KAIST 신소재공학과 홍승범 교수 연구팀이 시뮬레이션 기반 신소재 데이터 분석 인공지능을 개발했다.이는 기존 수작업 기반 훈련 데이터 준비시간을 크게 단축해 신소재의 고속 분석 가능성을 열었다는 점에서 매우 의미 있는 연구성과로 평가된다.

24일 KAIST에 따르면 최근 소재 및 공정 개발에 인공지능을 활용해 다양한 구조 및 물성 데이터 사이의 상관관계를 빠르게 분석하는 인공지능 방법론이 주목받고 있다.

그러나, 신소재 데이터는 대량의 유의미한 실험 데이터를 구하기 어렵고, 기업들이 중요한 데이터는 대외비로 취급하고 있어서 인공지능을 소재 데이터 영역에 적용하는 것이 상당히 어려운 것이 현실이다.

이에 연구팀은 인공지능 훈련 방법론을 개발했다. 훈련을 위해 생성되는 데이터가 물리적 제약을 공유하도록 위상 필드 시뮬레이션을 활용해 기초 데이터를 형성한다.

이어 소재 데이터가 가지고 있는 실제 측정 과정에서 발생하는 다양한 잡음, 입자의 분포 정보 및 입자의 경계를 모사해 크기가 작은 소재 데이터의 한계를 해결했다.

기존에 수작업으로 작성한 소재 데이터를 활용한 인공지능과의 상 분리 성능을 비교했으며, 생성된 데이터의 모사 요소가 상 분리에 영향을 미치는 영향을 파악했다.

아울러 이번 연구에서 제시하는 소재 데이터 생성을 활용한 인공지능 훈련 방법은 기존의 수작업으로 훈련 데이터를 준비하는 시간을 크게 단축할 수 있다.

특히, 인공지능의 전이 학습 및 다양한 물리적 제약을 바탕으로 하는 위상 필드 시뮬레이션 활용을 바탕으로 다양한 소재 데이터에 빠르게 적용할 수 있는 장점이 있다.

홍승범 교수는 “이번 연구 내용을 신소재 개발에 바로 적용하기에는 데이터 합성 측면에서의 여전히 보강이 필요하다”라며 “하지만 소재 데이터의 고속 분석 가능성을 연 것에 연구의 의의가 있다ˮ고 말했다.

한편, 이번 연구 결과는 국제 학술지 ‘악타 머터리얼리아’에 게재됐다.


km5030@news1.kr