심층 신경망 기술에 교차검증기법과 하이퍼 파라미터 랜덤 최적화기법 적용
단순한 미세조직 정보만 가지고도 90% 이상의 정확도로 기계적 특성 예측
국립 경상대학교(GNU) 공과대학 나노신소재공학부 성효경 교수와 한동대학교 정임두 교수, 포스텍 박성진 교수 공동 연구팀은 소재의 미세조직 정보를 활용해 기계적 강도를 예측할 수 있는 인공지능 개발에 성공했다.
연구팀은 2000년부터 2019년까지 개발된 철강 소재 가운데 모두 83종을 대상으로 미세조직 데이터를 측정한 후 연구팀에서 개발한 인공지능을 활용해 항복강도와 인장강도를 예측했다.
연구팀에 따르면 철강 재료의 미세조직을 페라이트, 베이나이트, 마르텐사이트 등과 같이 구분하여 조직 분율 데이터베이스를 생성하였으며, 각 미세구조의 기계적 특성 매칭 라벨링을 통해 인공신경망 지도학습을 실시했다.
![](/_resources/10/2020/08/20/2020082011335235800_l.jpg)
연구팀은 깊은 은닉층의 최적화를 위하여 심층 신경망(DNN; Deep Neural Network) 기술에 교차 검증(Cross Validation) 기법 및 하이퍼 파라미터(Hyperparameter) 랜덤 최적화 기법을 적용해 단순한 미세조직 정보만을 가지고도 90% 이상의 정확도로 기계적 특성을 예측하는 인공지능 기술 개발에 세계 최초로 성공했다.
연구팀은 이 기술을 활용하면 직접 기계적 특성 평가를 수행하지 않고 미세조직 사진 촬영만으로도 소재의 기계적 특성을 예측할 수 있다고 설명했다. 이를 통해 소재의 특성과 기계적 특성의 상호 관계 및 소재 데이터베이스 구축에 한발짝 더 다가설 수 있을 것으로 기대된다.
성효경 교수는 “이번 연구결과는 오랜 기간 누적되어온 철강 재료의 미세조직에 대한 이해와 인공지능 기술과의 접목을 통해 철강 소재 개발의 지능화 미래를 한 걸음 더 앞당길 중요한 결과가 될 것”이라고 밝혔다.
이번 연구는 한국연구재단(신진연구)의 지원으로 수행했으며 그 결과는 재료 분야 세계적 학술지인 '머티리얼리아(Materialia)' 최근호에 발표됐다.
전체댓글 0