Highlight

Intro 우리 학과 홍승범 교수 연구팀이 KAIST 10대 플래그쉽 분야이자, 글로벌 특이점 과제인 'KAIST 신소재 혁명: M3I3 이니셔티브' 과제의 배경, 역사, 진행 상황 그리고 미래 방향을 제시했다고 지난 달 31일 밝혔다.

연구팀은 다중스케일 다중모드 영상화 기술과 머신러닝 기법을 융합해서 고차원의 구조-물성 및 공정-구조의 상관관계를 도출하였다. 그리고 이를 인공지능과 3차원 다중 스케일 프린팅 기술을 활용하여 신소재 디자인부터 시장 진입까지의 기가늘 획기적으로 단축할 수 있는 비전과 실행 플랫폼을 제안하였다.

우리 학과 홍승범 교수가 제 1 저저로, 리오치하오 박사가 제 2저자로 참여하고, 육종민 교수, 변혜령 교수, 양용수 교수, 조은애 교수, 최벽파 교수, 이혁모 교수가 공동 저자로 참여한 이번 연구는 국제 학술지 '에이씨에스 나노 (ACS Nano)' 2월 12일 字 온라인 출판 되었다. (논문명 : Reducing Time to Discovery: Materials and Molecular Modeling, Imaging, Informatics, and Integration) 
Principal Investigator Prof. Hong, Seungbum 
Date 2021-04-01 

사진 1. 이번 과제의 핵심 참여 교수진. (왼쪽부터) 신소재공학과 조은애, 화학과 변혜령, 신소재공학과 홍승범, 신소재공학과 육종민 교수

< 사진 1. 이번 과제의 핵심 참여 교수진. (왼쪽부터) 신소재공학과 조은애, 화학과 변혜령, 신소재공학과 홍승범, 신소재공학과 육종민 교수 >

 

우리 대학 신소재공학과 홍승범 교수 연구팀이 KAIST 10대 플래그쉽 분야이자글로벌 특이점 과제인 `KAIST 신소재 혁명: M3I3 이니셔티브과제의 배경역사진행 상황 그리고 미래 방향을 제시했다고 31일 밝혔다.

홍 교수 연구팀은 다중스케일 다중모드 영상화 기술과 머신러닝(기계학습기법을 융합해서 고차원의 구조-물성 및 공정-구조 상관관계를 도출했다그리고 이를 인공지능과 3차원 다중 스케일 프린팅 기술을 활용해서 신소재 디자인부터 시장 진입까지의 기간을 획기적으로 단축할 수 있는 비전과 실행 플랫폼을 제안했다. M3I3 플랫폼은 고용량 에너지 소재 디자인에서 시작해서고밀도 메모리 소재고성능 자동차/항공 소재에도 응용 가능할 것으로 기대된다.

우리 대학 신소재공학과 홍승범 교수가 제저자로리오치하오 박사가 제저자로 참여하고육종민 교수변혜령 교수양용수 교수조은애 교수최벽파 교수이혁모 교수가 공동 저자로 참여한 이번 연구는 국제 학술지 `에이씨에스 나노(ACS Nano)' 2월 12일 字 온라인 출판됐다. (논문명 Reducing Time to Discovery: Materials and Molecular Modeling, Imaging, Informatics, and Integration) 

역사의 큰 흐름을 결정한 신소재는 시행착오와 도제식의 비결 전수를 통해서 발견 및 개발돼왔다각종 무기와 그릇그리고 장신구들이 좋은 예다광학현미경이 발명되면서 검의 미세구조와 검의 강도 혹은 경도 간의 상관관계를 이해하기 시작했고투과전자현미경과 원자간력 현미경의 발명으로 원자 수준의 분해능으로 신소재를 영상화하기 시작했다. 

고려청자를 현재 재현하지 못하는 것은 고려 시대의 장인들이 그 비결을 남기지 않았기 때문이라고 우리는 가르치고 있다그러나미래에는 고려청자의 다중 스케일 구조를 영상화해서 데이터화 하고구조를 구현할 수 있는 공정 과정을 머신러닝의 힘을 빌려 역설계한다면고려청자를 재현하는 일은 가능할 것으로 보인다.

우리 대학 M3I3 플랫폼은 이처럼 다중 스케일 및 다중 모드 영상화 기술데이터 마이닝과 머신러닝그리고 다중 스케일 제조 기술을 접목해 미래에 필요한 신소재를 역설계해서 빠르게 공정 레시피를 확보할 수 있게 만들어준다. 

이번 논문에서는 M3I3 플랫폼의 유효성을 확인하기 위해 배터리 소재에 적용하는 연구를 진행했다고용량 배터리 소재의 개발 기간을 단축할 수 있다는 것을 검증하기 위해서 20년간의 논문 자료를 50여 명의 학생이 읽고 데이터를 추출해 양극재의 에너지 밀도와 소재 조성 간의 상관관계를 도출했다그리고 논문에 나와 있는 공정측정 및 구조 변수들을 머신러닝 기법을 활용해 모델을 수립한 후무작위 조건에서 합성해 모델의 정확도를 측정함으로써 데이터 마이닝과 머신러닝의 우수성을 입증했다. 

또한 투과전자현미경(TEM), 주사투과전자현미경(STEM), 원자간력현미경(AFM), 광학현미경 등의 다양한 현미경과 엑스레이(X-ray), 라만(Raman), UV/Visible/IR 등 다양한 분광 장비들을 통해 얻은 영상과 스펙트럼 데이터를 기반으로 다중 스케일 구조물성 상관관계를 도출하고여러 가지 공정변수 데이터를 수집해공정구조 상관관계를 수립하는 것이 M3I3 플랫폼의 중요한 핵심이다특히실험데이터와 시뮬레이션 데이터를 융합하고머신러닝으로 생성한 가상의 데이터를 과학적인 기준에 맞춰 유의미한 빅데이터로 만들면머신러닝을 활용해 물성구조공정으로 연결되는 역설계 알고리즘을 개발하는 것이 가능해지며이를 통해 미래에 필요한 물성을 갖는 신소재 공정 레시피를 신속하게 확보할 수 있게 된다. 

그림 1. 신소재 합성 평가 알고리즘 모식도

< 그림 1. 신소재 합성 평가 알고리즘 모식도 >

 

그림 2. 배터리 NCM 양극 소재의 삼각 그래프

< 그림 2. 배터리 NCM 양극 소재의 삼각 그래프 >

 

저자인 홍승범 교수는 "과학은 날카로운 관찰과 정량적 측정에서 시작한 학문이며기술의 발전으로 현재는 눈에 보이는 소재의 모양과 구조뿐만 아니라 눈에 보이지 않는 소재의 구조를 볼 수 있는 시대가 왔고물성마저 공간과 시간의 함수로 영상화할 수 있는 시대가 도래했다ˮ라며 "신소재 영상화 기술과 머신러닝 기술을 융합하고 3D 프린팅 기술을 다중 스케일 자동 합성 기술로 승화시키게 되면 20년 걸리던 신소재 개발 기간을 5년 이내로 단축할 수 있을 것이다ˮ 라고 말했다. 

한편이번 연구는 글로벌 특이점 사업의 지원을 받아 수행됐다.

사진 2. 이번 M3I3 과제의 연구진 단체 사진

< 사진 2. 이번 M3I3 과제의 연구진 단체 사진 >