일본산업뉴스요약

AI학습에 새로운 방법 등장
계측 곤란한 데이터 불필요, 고도의 예측 가능

물질∙재료연구기구(NIMS) 정보통합형 물질∙재료연구거점의 Xu Yibin(徐 一斌) 데이터플랫폼장은 계측이 어려운 데이터를 계측하기 쉬운 데이터로 치환하여 AI에게 학습시키는 데이터 대체법을 개발하였다. 재료개발의 전문지식과 AI 기술을 조합하여 대체 가능한 데이터를 탐색하는 방법과 학습결과를 검증하는 방법을 고안하였다. 데이터를 축적하는 비용을 줄이고 한정된 데이터로 고도의 예측이 가능해진다. 이 방법을 사용하여 새로운 단열재료를 개발하였다.

AI 기술은 기존 데이터를 학습하여 예측모델을 만들기 때문에 데이터가 없는 요소는 예측결과에 반영되지 않는다. 그러나 재료 내부의 나노 구조(나노는 10억분의 1)나 재료 속의 음속 등 계측이 어려운 데이터가 재료의 성능을 좌우하는 일은 많다. 그래서 대체 가능한 물리량 조합을 찾았다. 계측 정밀도가 높고 비용이 작은 데이터로 보충할 수 있다면 학습용 데이터를 정비하는 비용을 줄일 수 있다.

열전도 재료를 소재로, 열용량이나 음속 등 11종류의 물리량의 상관관계를 조사하였다. 예를 들면 음속은 융점이나 탄성률과의 상관이 높았다. 음속은 재료 내부를 열 등의 진동이 전달되는 속도를 나타내며, 열전도 특성에 크게 영향을 미친다.

고품질 데이터가 많은 물리량과 재료의 열전도 특성을 AI에 학습시켜 열전달이 어려운 단열재료를 예측한 결과, 0.21와트/미터켈빈의 신재료를 합성할 수 있었다. 재료 내부의 나노 구조는 재료의 제조방법이 강하게 영향을 미친다.

재료 내부의 입자 크기 등은 제조법과 조건을 데이터로 학습함으로써 최적화할 수 있었다. 기존의 물리 시뮬레이션에서는 재현할 수 없는, 화학이나 제조 방법을 가미한 예측을 실현하였다.

  -- 끝 --