테크노트 KAIST, 물리법칙 결합 AI로 신소재 물성 규명 효율화

신소재 개발의 핵심 단계인 ‘물성 규명’은 그동안 방대한 실험 데이터와 고가 장비에 의존해야 해 연구 효율이 낮다는 한계가 있었다. KAIST 연구진은 재료와 에너지의 변형과 상호작용을 지배하는 물리법칙을 AI와 결합한 새로운 기법을 통해, 데이터가 부족한 상황에서도 신소재를 신속히 탐색하고 재료·기계·에너지·전자 등 다양한 공학 분야의 설계와 검증까지 빠르게 수행할 수 있는 기반을 마련했다. KAIST는 기계공학과 유승화 교수 연구팀이 경희대 임재혁 교수 연구팀, 한국전기연구원(KERI) 류병기 박사와 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 제시했다고 2일 밝혔다. 첫 번째 연구에서는 고무와 같은 초탄성(hyperelastic) 소재를 대상으로, 단 한번의 실험에서 얻은 적은 데이터만으로도 재료의 변형 양상과 성질을 동시에 규명할 수 있는 물리 기반 인공신경망(Physics-Informed Neural Network, PINN) 기법을 제시했다. 기

• 이창현 기자
• 2025-10-02 13:13