[녹색경제신문 = 이지웅 기자] 유승화 카이스트 기계공학과 교수 연구팀이 임재혁 경희대학교 교수 연구팀 및 류병기 한국전기연구원 박사와의 공동 연구를 통해, 물리 법칙을 인공지능 학습 과정에 직접 반영하는 물리 기반 머신러닝(Physics-Informed Machine Learning, PIML) 기법을 활용해 적은 양의 데이터만으로도 소재 물성을 정확히 규명할 수 있는 새로운 방법을 제시했다.

첫 번째 연구에서는 고무와 같은 잘 늘어나는 초탄성(hyperelastic) 소재를  대상으로, 단 한번의 실험에서 얻은 적은 양의 데이터만으로도 재료의 변형 모습과 성질을 동시에 알아낼 수 있는 ‘물리 기반 인공 신경망(Physics-Informed Neural Network, PINN)’ 기법을 제시했다.

해당 연구를 통해 데이터가 부족하거나 제한적인, 혹은 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 입증했다.

두 번째 연구에서는 열을 전기로, 전기를 열로 바꾸는 신소재인 ‘열전 소재’를 대상으로 적은 측정값만으로도 열전도도와 제벡 계수 같은 핵심 지표를 추정할 수 있는 PINN 기반 역추정 기법을 제안했다.

나아가 연구팀은 자연의 물리 법칙까지 이해하는 인공지능인 ‘물리 기반 신경 연산자(Physics-Informed Neural Operator, PINO)’를 도입해 학습되지 않은 신소재에도 재학습 과정 없이 일반화가 가능함을 보여줬다. 

연구팀은 20개 소재로 학습한 뒤, 60개의 새로운 소재를 대상으로 테스트했다. 모두 높은 정확도로 성질을 맞혀냈다. 이로써 앞으로 수많은 신소재 후보를 빠르게 골라내는 고속·대량 소재 탐색이 가능해질 전망이다.

이번 연구는 물리 법칙과 인공지능을 정교하게 결합해, 실험 효율은 높이고 신뢰성도 지킨 첫 사례다.

유승화 교수는 “이번 성과는 물리 법칙을 이해하는 인공지능을 실제 소재 연구에 적용한 첫 사례”라며 “데이터 확보가 제한적인 상황에서도 물성을 신뢰성 있게 규명할 수 있어 다양한 공학 분야로 확산될 것”이라고 말했다.