KAIST 연구진이 고온 실험을 통해서만 가능했던 합금의 융해 특성을 인공지능(AI)으로 해결했다. KAIST는 신소재공학과 홍승범 교수 연구팀이 미국 노스웨스턴대 크리스 울버튼 교수팀과 국제 공동연구를 통해, 밀도범함수이론(DFT) 기반의 형성에너지(합금이 얼마나 안정적인지를 나타내는 값) 데이터를 활용해 합금이 녹을 때 성분이 유지되는지를 예측하는 고정확도 머신러닝 모델을 개발했다고 14일 밝혔다. 연구팀은 밀도범함수이론을 통해 계산한 형성에너지와 기존의 실험적 융해 반응 데이터를 머신러닝에 결합해 4536개의 이원계 화합물에 대한 융해 반응 유형을 학습한 후, 그 예측 모델을 구성했다. 다양한 머신러닝 알고리즘 중 특히 ‘XGBoost’ 기반 분류 모델이 합금이 잘 섞이는지 여부에 대해 가장 높은 정확도를 보였으며, 약 82.5%의 예측 정확도를 달성했다. 연구팀은 또한 샤플리(Shapley) 기법을 활용해 모델의 주요 특징(feature)들을 분석했으며 이 중에서도 기울기 변화가 크다는 것은 그 조성에서 에너지적으로 매우 유리한(안정한) 상태가 형성된다는 뜻으로 ‘형성에너지 곡선의 기울기 변화(convex hull sharpness)’가 가장 중요한
[헬로티] 테츠이 토시미츠 (鐵井 利光) (국립연구개발법인)물질․재료연구기구 에너지 자원의 절약, CO2 배출량 절감에 의한 지구온난화 방지 등의 관점에서 최근 각종 운송기기, 발전설비 등에서 경량이며 사용 가능 온도가 높은 내열 재료의 요구가 점점 더 높아지고 있다. 티탄-알루미늄(TiAl)합금이란 앞에서 말한 요구에 대응할 수 있게 개발된 금속계 신소재의 하나로, 최대의 특징은 티탄합금 등 기존의 경량 금속 재료보다 내용 온도가 대폭으로 높다는 것이다. 최근 이 특징을 활용해 티탄-알루미늄합금은 기존에는 니켈(Ni)기 초합금이 사용되고 있던 고온 부품에 대한 적용이 시작되고 있다. 이 글에서는 우선 티탄-알루미늄합금의 일반적인 특징과 실용화 상황을 소개하고, 그 파생으로서 열간단조형 티탄-알루미늄합금의 경위 등을 서술한다. 다음으로 이 열간단조형 티탄-알루미늄합금을 기초로 물질․재료연구기구(NIMS)에서 개발한 대형화에 대응한 고강도의 새로운 티탄-알루미늄합금의 개요과 실제로 대형 부재를 제조한 사례를 소개한다. 티탄-알루미늄합금의 특징 티탄-알루미늄합금이란 티탄-알루미늄 이원계에 존재하는 복수의 금속간화합물상이 복합화된 합금이며,
[첨단 헬로티] 1. 서론 스피노달 분해형으로 대표되는 동합금계 금형은 광학계 수지(예를 들면 COP : 시클로올레핀폴리머 등)와의 이형성이 우수하고, 높은 열전도성을 가지고 있기 때문에 플라스틱 제품의 사출성형이나 프레스 성형용 금형의 급속 가열, 냉각에 의한 성형 사이클의 단축을 기대할 수 있다. 그러나 동합금계 금형은 경도가 낮고, 유리섬유를 포함하는 수지에 대해 마모되기 쉽고 수명이 짧다. 또한 금형의 보수에서도 경도 부족은 과제이다. 그렇기 때문에 표면에는 코팅 등의 피복 처리가 이용되는데, 피막의 박리가 수명을 결정짓게 되는 단점이 있다. 피복 처리 이외의 방법으로는 질화 처리나 이온 주입을 들 수 있다. 질화 처리에서는 스피노달 분해형 동합금 중에 단단한 질화물을 형성하는 원소가 없어 효과를 볼 수 없었다. 이에 이온 주입을 동합금계 기본재에 적응, 금형의 장수명화를 위한 표면처리의 검토를 했다. 2. 실험 방법 그림 1에 나타낸 장치에서 Cu-Ni-Sn계의 스피노달 분해형 동합금의 시험편(300HV)에 탄소 이온 주입을 실시했다. 이 기본재는 50℃ 이상의 처리 온도로 조직이 연화될 가능성이 있기 때문에 이온 주입 시에는 기본재 온도가 50℃