연구자들이 AI를 활용해 핵심 금속 합금의 3D 프린팅을 '민주화'하다

워싱턴 주립대학교(Washington State University) 연구진은 인공지능(AI)을 사용하여 고성능 금속 합금을 3D 프린트하는 보다 효율적이고 저렴한 방법을 찾아냈으며, 이를 통해 연구자들이 1억 개가 넘는 옵션을 수동으로 테스트할 필요를 없앴습니다.

이러한 발견은 항공우주 산업에서 흔하게 사용되지만 다른 많은 잠재적 응용 분야도 가진 이 합금을 언젠가 널리 이용 가능한 상업용 장비로 프린트할 수 있게 할 수 있습니다. 또한, 사용된 AI 기술은 신약 개발을 포함하여 다양한 분야에 적용될 수 있습니다.

WSU 전기전자공학과 컴퓨터과학과 및 기계·재료공학과 소속 연구팀은 자신들의 연구 결과를 AAAI 인공지능 학회(Proceedings of the AAAI Conference on Artificial Intelligence) 논문에 발표했으며, 해당 그룹 연례 학회에서 혁신적인 적용 사례상(Innovative Deployed Application Award)을 받았습니다.

연구를 이끈 컴퓨터과학 분야의 Huie-Rogers 기증 교수이자 공학 분야의 Berry Distinguished Professor인 Jana Doppa는

연구자들은 더 흔하게 사용되는 상업용 프린터에서 사용하는 낮은 와트(wattage)와 레이저 출력으로 합금을 인쇄하려고 시도했지만, 다양한 구성을 테스트하는 것은 값비싼 재료, 특수 장비, 그리고 상당한 인적 노동을 필요로 합니다. 단 한 번의 인쇄 작업만 수백 달러가 들 수 있으며, 상세한 후처리 품질 분석에는 며칠이 걸릴 수 있습니다.

논문의 제1 저자이자 컴퓨터 과학 박사 과정 학생인 Azza Fadhel은 “때로는 특정 구성을 인쇄했는데 제품이 그냥 녹아버리기도 했습니다. 실제로 인쇄할 수 있는 것이 아니었고, 시간과 돈을 들여도 1억 개의 모든 옵션을 시도해 볼 수는 없었습니다. 저희가 협업에서 하고 있던 것은 이 매우 큰 탐색 공간(search space)에서 후보들을 효율적으로 선택하기 위해 AI를 적용하는 것이었습니다.”라고 말했습니다.

이 연구를 위해 팀은 기계 및 재료 공학 대학원에서 이전에 테스트했던 37가지의 실패한 구성 결과부터 시작했습니다. 그런 다음 그 결과를 사용하여 아직 테스트되지 않은 구성이 성공적인 인쇄물을 생성할 가능성을 추정하는 접근 방식을 개발했습니다. 이후 그들의 모델은 두 가지 목표를 균형 있게 맞춘 소규모 배치(small batches)의 새로운 구성을 선택했습니다: 유망한 옵션을 테스트하고 AI 모델을 개선할 수 있는 불확실한 영역을 탐색하는 것입니다.

An image of a 3-D printed metal alloy

기계 및 재료 공학 대학원의 Nathaniel Zuckschwerdt, Susmita Bose, Amit Bandyopadhyay와 협력하여, 팀은 AI가 선택한 프로세스 구성을 사용하여 GRCop-42를 인쇄하고 그 결과로 나온 샘플들을 평가했습니다. 미네소타 대학교의 Aryan Deshwal도 이 프로젝트에 참여했습니다.

Fadhel은 “그들은 저에게 결과를 가져다주었고, 저는 그것들 모두가 마음에 들었습니다—실패했더라도요—왜냐하면 모든 결과가 저희 AI 모델을 개선시켰기 때문입니다.”라고 말했습니다.

낮은 레이저 출력으로 인쇄하는 것은 에너지 사용량, 장비 마모, 후처리 비용을 줄일 수 있을 뿐만 아니라, GRCop-42를 특수 고출력 장비를 소유하지 않은 대학, 소규모 실험실 및 회사들에게도 접근 가능하게 만듭니다.

연구진은 1억 개가 넘는 수많은 조합 중 극히 일부만이 성공할 것이라는 것을 알고 있었습니다.

도파(Doppa)는 “AI에게 매우 어려운 사례입니다. 시도할 때마다 기본적으로 이진적인 성공 또는 실패 신호를 얻게 되는데, 우리는 성공적인 결과물인 ‘바늘’에 아주 빠르게 도달하기 위해 시도의 횟수를 최소화하려고 노력하고 있습니다.”라고 말했습니다.

팀은 3개월 동안 총 40회의 실험 예산 내에서 다양한 레이저 출력 레벨을 거쳐 여섯 가지 성공적인 조합을 찾아냈습니다. 이 팀은 500와트에서 해당 합금을 처음으로 성공적으로 프린팅하는 데 성공했습니다.

연구진은 동일한 AI 기반 프레임워크가 다른 금속 합금 및 적층 제조(additive-manufacturing) 시스템의 공정 조건을 발견하는 데 적용될 수 있다고 믿습니다. 더 나아가, 이 기술은 성공적인 결과가 드물고 모든 가능성을 테스트하기에 실험 비용이 너무 많이 드는 과학적 발견 문제들을 지원할 수 있습니다.

도파는 “실제 사람, 재료, 물리적 비용이 관련된 분야에 무언가를 적용할 때는 항상 불확실성이 존재합니다. 우리는 성공할지 아닐지 몰랐고, 항상 그런 위험이 따릅니다. 실제 이해관계가 걸려있습니다. 우리가 이렇게 잘 해낼 수 있었다는 것에 매우 놀라웠습니다.”라고 말했습니다.