설명 가능한 AI가 MPEA 설계에 혁신을 가져오는 방식

버지니아 공대와 존스 홉킨스 대학교의 엔지니어들이 협력하여 설명 가능한 AI를 활용하여 더욱 강력한 MPEA(다원소 합금)의 개발을 향상시키는 학제 간 협업을 완료했습니다. 이 연구는 과학자들이 항공우주 프로젝트, 의료 기기, 재생 에너지 기술에 동력을 제공할 수 있는 신소재를 설계하는 데 도움이 될 핵심 정보를 밝혀냈습니다. 알아두어야 할 사항은 다음과 같습니다.

다중주요원소합금(MPEA)이란 무엇인가?

다중 주원소 합금(MPEA)은 여러 원소를 결합하여 성능을 향상시키는 특수 소재입니다. 특히 MPEA는 뛰어난 내방사성, 내마모성, 내식성을 제공합니다. 이러한 이점은 추가적인 기계적 특성과 함께 제공되어 오늘날의 첨단 응용 분야에 필수적인 요소입니다.

MPEA 개념은 아직 상당히 새로운 개념입니다. MPEA 개념은 2000년대 초 캔터와 예와 같은 엔지니어들의 연구를 통해 등장했지만, 2025년 연구와 같은 최근의 획기적인 성과는 MPEA의 실제 활용 가능성을 빠르게 높이고 있습니다. 과학자들은 이러한 독특한 재료 조합을 연구하여 추가적인 성능을 확보하기 위해 노력하고 있습니다. 특히 FeNiCrCoCu는 가장 많이 연구된 MPEA 중 하나입니다.

MPEA 개발의 과제

MPEA에는 채택과 활용을 제한하는 문제점들이 있습니다. 첫째, 이러한 소재를 개발하는 엔지니어들이 일반적으로 선호하는 시행착오를 거치는 것은 힘들고 비용이 많이 드는 작업입니다. 또한, 결과와 완제품은 엔지니어의 전문성, 직관, 해당 분야에 대한 지식, 그리고 전반적인 역량에 크게 의존할 수 있습니다. 이러한 모든 요인으로 인해 엔지니어들은 더욱 합리적인 MPEA 개발 구조를 원하게 되었습니다.

획기적인 연구: AI를 활용한 더욱 강력한 MPEA 설계

연구¹ "FeNiCrCoCu MPEA의 실험적으로 검증된 역설계 및 설명 가능한 AI를 통한 핵심 통찰력 도출Nature's Computational Materials에 게재된 이 논문은 비용 절감과 성능 향상을 동시에 달성할 수 있는 새로운 MPEA(중간자-중간자-물질) 생성 방법을 소개합니다. 이 새로운 접근법은 데이터 기반 프레임워크와 설명 가능한 AI를 활용하여 무용매 시스템에서 전산 생체재료와 합성 무기 재료를 결합합니다.

엔지니어들은 고급 머신 러닝과 진화 알고리즘을 결합함으로써 여러 주요 원소 합금을 더욱 효과적으로 분석하고, 이들이 다른 원소와 어떻게 결합되어 작용하는지에 대한 통찰력을 얻을 수 있었다고 밝혔습니다. 이러한 접근 방식은 과학계에 재료의 구조-물성 관계에 대한 새로운 차원의 통찰력을 제공합니다.

설명 가능한 AI가 과학자들이 더 나은 합금을 만드는 데 어떻게 도움이 되는가

인공지능은 우리 주변의 세상을 끊임없이 변화시키고 있습니다. 이 기술은 연구자들이 적은 노력으로 자신의 주제를 더 깊이 있게 탐구할 수 있도록 해줍니다. 그러나 일반적인 AI는 종종 결과 도출 과정에 대한 설명 없이 답을 제공한다는 문제점을 안고 있습니다. 설명 가능한 AI는 작업 완료에 사용된 정확한 데이터를 제공할 수 있는 더 나은 솔루션을 제공합니다.

출처 - NPJ

연구팀은 스택드 앙상블 머신러닝(SEML) 모델과 진화 알고리즘을 적용한 합성곱 신경망(CNN) 모델을 활용했습니다. 이러한 설정은 SHAP 알고리즘과 결합되어 AI 동작에 대한 명확한 통찰력을 제공했습니다.

SHAP 설명: AI 블랙박스 잠금 해제

SHAP 프로토콜은 과학적 노력을 강화하기 위해 특별히 설계되었습니다. 이 시스템을 통해 엔지니어는 AI 예측을 미스터리 없이 해석할 수 있습니다. 제공된 데이터를 활용하여 다양한 원소와 그 주변 환경이 MPEA의 성능에 어떻게 중요한 역할을 하는지 이해할 수 있습니다. 또한, SHAP는 팀이 다양한 구성 및 원소 조합이 필요 시 특정 이점을 제공할 수 있는 방법에 대한 정확한 예측을 할 수 있도록 지원했습니다.

데이터 기반 재료 설계 설명

팀은 처음부터 머신 러닝을 프로세스에 통합하고자 했습니다. 이를 위해 실험과 시뮬레이션을 통해 수집된 방대한 데이터 세트를 활용하여 알고리즘을 프로그래밍해야 했습니다. 이러한 전략을 통해 팀은 기존 실험과 더불어 진화 알고리즘과 같은 다른 유용한 도구들을 활용할 수 있었습니다.

AI가 설계한 MPEA의 강도 검증

엔지니어들은 합성한 재료가 요구 조건을 충족하는지 확인하기 위해 일련의 시험을 수행했습니다. 시험 단계에는 영률을 이용하여 MPEA의 결정 구조와 기계적 특성을 검증하고 모니터링하는 작업이 포함되었습니다. 이 시험 결과는 MPEA 연구 과정에 대한 이해를 높이는 동시에 더 효율적인 방법이 존재함을 입증했습니다.

실험 테스트에서 유망한 결과

연구팀은 여러 가지 테스트를 수행하여 흥미로운 결과를 도출했습니다. 첫째, AI 중심 접근 방식을 사용하여 오늘날의 선도적인 대안보다 우수한 기계적 강도를 가진 새로운 합금을 개발할 수 있음을 입증했습니다. 또한, 엔지니어들은 측정된 영률이 단상 면심 입방(FCC) 구조에 대해 개발된 계산 예측과 거의 정확하게 일치한다는 점에 주목했습니다.

 이 MPEA 연구가 중요한 이유

새로운 MPEA 제조 및 연구 연구는 몇 가지 이점을 통해 판도를 바꿀 수 있습니다. 첫째, 이 연구는 MPEA 개발에 대한 귀중한 과학적 통찰력을 제공하는 최초의 연구입니다. 또한, 엔지니어들은 기존의 값비싼 시행착오식 재료 설계에 비해 훨씬 저렴하게 시뮬레이션을 실행할 수 있습니다. 따라서 과학자들은 이 접근 방식이 향후 고급 금속 합금의 개발을 가속화하는 데 도움이 될 수 있는 더욱 예측 가능한 솔루션을 제공한다고 결론지었습니다.

학제 간 협업이 혁신을 이끈다

이 연구에는 계산, 합성, 특성 분석을 포함한 여러 과학 연구를 전문으로 하는 연구자들이 참여했습니다. 이러한 협력은 다양한 과학 분야가 협력하여 데이터를 상호 연관시켜 과제를 완수해야 하는 향후 프로젝트로의 가능성을 열어줍니다.

AI 설계 합금의 비용 이점

과학적 실험을 수행하는 것은 비용이 많이 들고 결과 도출이 지연될 수 있습니다. AI 계산 시뮬레이션을 활용하는 것은 엔지니어가 물리적 행동을 수행하지 않고도 수천 개의 가상 실험을 수행할 수 있도록 하여 비용을 절감하고 역량을 향상시킬 수 있는 더 나은 선택입니다.

향후 활용 및 상업적 타임라인

이 과학 연구는 다양한 용도로 활용될 수 있습니다. MPEA의 사용은 이제 그 어느 때보다 흔해졌습니다. 이 고성능 광물은 우주선이 대기권 재진입 시 발생하는 충격을 흡수하고, 공기 터빈의 안정성을 높이는 등 다양한 용도로 활용될 수 있습니다. 설명 가능한 AI MPEA의 주요 활용 사례 몇 가지를 소개합니다.

MPEA의 의료 응용 프로그램

의료 산업은 이러한 접근 방식을 활용하여 임플란트, 보철물, 수술 도구용 첨단 생체 재료를 개발할 수 있습니다. 인체가 어떻게 반응하는지와 같은 특정 시나리오에 대해 이러한 재료를 시험할 수 있다는 점은 과학자들이 전반적인 결과를 개선하는 데 큰 도움이 될 것입니다. 이미 엔지니어들은 MPEA를 무릎 인공관절, 골판 등에 사용하기에 이상적인 선택으로 보고 있습니다.

항공우주 산업 도입 잠재력

항공우주 분야는 이러한 데이터를 효과적으로 활용할 수 있는 또 다른 분야입니다. MPEA는 더욱 안정적이고 내구성 있는 항공기 부품을 생산할 수 있습니다. 터빈 블레이드, 열분사 코팅, 고온 응용 분야, 내방사선성 소재와 같은 품목들은 이 기술의 이상적인 활용 분야입니다.

자동차 부문의 MPEA

더욱 실감 나는 또 다른 응용 분야는 자동차 분야에서 MPEA를 활용하는 것입니다. 이 연구는 더 나은 페인트, 더 견고한 타이어, 그리고 더 효율적인 촉매 변환기를 개발하는 데 도움이 될 수 있습니다. 이러한 모든 요소들은 MPEA 연구를 확장하고 더 많은 도입을 유도하는 데 도움이 될 수 있습니다.

이 MPEA들은 언제 시장에 출시될까?

이 연구가 언제 시장에 출시될지는 아직 정해지지 않았습니다. 하지만 완성된 상태와 더 나은 디자인 소재에 대한 수요가 매우 높다는 점을 고려하면, 이 기술이 빠르면 3년 안에 디자인에 활용될 수 있을 것으로 예상됩니다.

더 강력한 MPEA 연구원

더 강력한 MPEA 연구는 버지니아 공대와 존스 홉킨스 대학교의 엔지니어들이 주도했습니다. 이 논문에는 Sanket A. Deshmukh, Fangxi Wang, Allana G. Iwanicki, Abhishek T. Sose, Lucas A. Pressley, 그리고 Tyrel M. McQueen이 공동 저자로 명시되어 있습니다. 또한, 이 프로젝트는 미국 국립과학재단(NSF)의 지원과 자금 지원을 받았습니다.

AI 기반 합금 설계의 미래는?

MPEA 개발의 미래는 밝아 보입니다. 이미 엔지니어들은 이 방법을 사용하여 새로운 글리코 물질을 개발했습니다. 이러한 고급 복합재는 재료 과학 분야에서 수많은 과학적 혁신을 가져올 가능성을 열어줍니다.

이제 연구팀은 비MPEA를 포함한 다른 소재로 공정을 확장하고자 합니다. 이들의 목표는 이러한 소재들이 어떻게 상호작용하는지, 그리고 어떤 조합이 어떤 특정 결과를 가져오는지에 대한 중요한 이해를 얻는 것입니다.

재료 과학 부문에 투자

재료 과학 분야에는 많은 경쟁사가 있습니다. 이러한 기업들은 경쟁 우위를 점하기 위해 연구 개발에 수백만 달러를 투자합니다. 이러한 최신 기술은 엔지니어들이 훨씬 더 빠르게 연구를 수행할 수 있도록 지원하면서 운영비를 절감하는 데 도움이 될 수 있습니다. 재료 과학 분야에서 성공을 거둘 수 있는 한 기업을 소개합니다.

니오코프 개발

니오코프 (NB ) 1987년 XNUMX월, 미국 내 수요가 높은 토금속에 대한 입장을 개선하기 위해 시장에 진출했습니다. 이후 이 회사는 미국 최대 규모의 광물 프로젝트 중 하나로 성장했습니다. 현재는 콜로라도에 본사를 두고 전국적으로 사업을 운영하고 있습니다. 특히 엘크 크릭 크리티컬 미네랄 프로젝트(Elk Creek Critical Minerals Project)는 니오븀, 스칸듐, 티타늄의 채굴 및 생산 개선을 목표로 하고 있습니다.

이러한 원소들은 많은 첨단 제품 생산에 필요한 수입 자원이기 때문에 미국 안보에 매우 중요한 것으로 간주됩니다. 이 회사는 니오븀, 스칸듐, 티타늄, 그리고 희토류 원소의 지속 가능한 채굴 관행을 촉진하는 데 기여한 선구자적 역할을 해왔습니다.

2024년, NioCorp은 희토류 영구자석 재활용을 위한 새로운 습식야금 공정을 도입했습니다. 이 프로젝트는 폐기물 관리 개선의 가능성을 열어줍니다. 이러한 발전은 더욱 유용한 소재를 발굴하고 미국산 원자재를 보호하려는 회사의 지속적인 노력과 일맥상통합니다.

최신 NioCorp(NB)) 주식 뉴스 및 개발

마무리 생각: 이 연구가 중요한 이유

엔지니어들이 MPEA의 발견과 제조를 간소화하기 위해 AI를 활용하려는 이유는 쉽게 알 수 있습니다. 이러한 과학 기술은 새로운 소재를 개발하려는 사람들에게 값비싼 여정이었습니다. 다행히도, 더욱 발전된 MPEA 연구를 뒷받침하는 과학자들의 노고와 헌신 덕분에 더욱 견고하고 가벼우며 저렴한 MPEA를 통해 더 밝은 미래로 향하는 문이 열릴 수 있을 것입니다.

다른 AI 프로젝트에 대해 알아보기 현재.

참고 연구:

^{1. 왕, F., 이와니키, AG, 소세, AT et al. FeNiCrCoCu MPEA의 실험적으로 검증된 역설계와 설명 가능한 AI를 통해 주요 통찰력을 얻습니다. npj 컴퓨트 메이터 11, 124 (2025). https://doi.org/10.1038/s41524-025-01600-x}