AI, 티타늄 합금 강화 및 제조 속도 높이는 새로운 방법 공개

고성능 티타늄 합금 부품을 생산하는 것은 우주선, 잠수함 또는 의료 기기에 관계없이 오랫동안 느리고 자원 집약적인 프로세스였습니다. 고급 금속 3D 인쇄 기술을 사용하더라도 적절한 제조 조건을 찾으려면 광범위한 테스트와 미세 조정이 필요했습니다.

이런 부품을 더 빠르고, 튼튼하고, 완벽에 가까운 정밀도로 제작할 수 있다면 어떨까요?

메릴랜드주 로럴에 있는 존스홉킨스 응용물리학연구소(APL)와 존스홉킨스 화이팅 공과대학의 전문가들로 구성된 팀이 인공지능을 활용해 이를 현실로 만들고 있습니다. 그들은 생산 속도와 이러한 첨단 소재의 강도를 모두 개선하는 처리 기술을 찾아냈습니다. 이는 심해에서 우주에 이르기까지 영향을 미치는 발전입니다.

"국가는 현재와 미래의 갈등의 요구를 충족하기 위해 제조를 가속화해야 할 시급한 필요성에 직면해 있습니다." APL의 Research and Exploratory Development Mission Area에서 극한 및 다기능 재료 과학 프로그램 관리자인 Morgan Trexler가 말했습니다. "APL에서 우리는 레이저 기반 적층 제조 연구를 진행하여 임무에 적합한 재료를 신속하게 개발하고 생산이 진화하는 운영 과제에 발맞추도록 하고 있습니다."

최근 Additive Manufacturing 저널에 게재된 연구 결과는 고강도와 저중량으로 널리 사용되는 티타늄 합금인 Ti-6Al-4V에 초점을 맞춥니다. 이 팀은 AI 기반 모델을 활용하여 이전에 탐구되지 않은 레이저 파우더 베드 퓨전(3D 금속 인쇄 방법)의 제조 조건을 매핑했습니다. 이 결과는 공정 한계에 대한 오랜 가정에 도전하여 사용자 정의 가능한 기계적 특성을 가진 고밀도 고품질 티타늄을 생산하기 위한 더 광범위한 처리 창을 보여줍니다.

공동 저자인 브렌던 크룸은 이번 발견은 재료 처리에 대한 새로운 사고방식을 제공한다고 말했습니다.

APL의 수석 재료 과학자인 크룸은 "수년간 우리는 특정 처리 매개변수가 모든 재료에 대해 '제한'되어 있다고 생각했습니다. 왜냐하면 최종 제품의 품질이 좋지 않기 때문입니다."라고 말했습니다.

"하지만 AI를 사용하여 모든 가능성을 탐색함으로써 재료의 강도와 연성(부러지지 않고 늘어나거나 변형되는 능력)을 유지하거나 개선하면서 더 빠른 인쇄를 가능하게 하는 새로운 처리 영역을 발견했습니다. 이제 엔지니어는 특정 요구 사항에 따라 최적의 처리 설정을 선택할 수 있습니다."

이러한 발견은 고성능 티타늄 부품에 의존하는 산업에 희망을 줍니다. 더 강하고 가벼운 부품을 더 빠른 속도로 제조할 수 있는 능력은 조선, 항공 및 의료 기기의 효율성을 개선할 수 있습니다. 또한 항공우주 및 방위를 위한 적층 제조를 발전시키기 위한 보다 광범위한 노력에 기여합니다.

Somnath Ghosh를 포함한 Whiting School of Engineering의 연구자들은 AI 기반 시뮬레이션을 통합하여 첨가적으로 제조된 재료가 극한 환경에서 어떻게 수행될지 더 잘 예측하고 있습니다.

Ghosh는 Johns Hopkins와 Carnegie Mellon이 협력하여 재료 적격성 및 인증을 가속화하기 위한 고급 계산 모델 개발에 중점을 둔 두 개의 NASA 우주 기술 연구소(STRI) 중 하나를 공동으로 이끌고 있습니다. 목표는 우주 응용 프로그램을 위한 새로운 재료를 설계, 테스트 및 검증하는 데 필요한 시간을 줄이는 것입니다. 이는 티타늄 제조를 개선하고 가속화하려는 APL의 노력과 긴밀히 일치하는 과제입니다.

큰 도약

이 획기적인 성과는 APL에서 적층 제조를 발전시키기 위해 수년간 노력한 끝에 나온 것입니다. APL의 연구 및 탐색 개발 부서의 제조 기술 수석 과학자인 스티브 스톡이 2015년 연구실에 도착했을 때, 그는 이 관행에 한계가 있음을 깨달았습니다.

"당시 국방부 전체에서 적층 제조를 사용하는 데 가장 큰 장벽 중 하나는 재료 가용성이었습니다. 각 설계에는 특정 재료가 필요했지만 대부분의 경우 견고한 처리 조건이 존재하지 않았습니다."

Storck은 회상했습니다. "티타늄은 DoD 요구 사항을 충족하는 몇 안 되는 재료 중 하나였으며 기존 제조 성능과 일치하거나 초과하도록 최적화되었습니다. 우리는 재료 범위를 확장하고 처리 매개변수를 개선하여 적층 제조의 잠재력을 완전히 발휘해야 한다는 것을 알았습니다."

APL은 수년간 적층 제조를 개선하여 결함 제어 및 재료 성능에 집중했습니다. 2021년 APL 팀은 Johns Hopkins APL Technical Digest에 결함이 기계적 특성에 미치는 영향을 조사한 연구를 발표했습니다. 거의 같은 시기에 Storck의 팀은 신속한 재료 최적화 프레임워크를 개발하고 있었고, 이는 2020년에 특허를 출원하는 데 이르렀습니다.

이 프레임워크는 처리 조건의 최적화를 상당히 가속화하도록 설계되었으며, 최신 연구를 위한 강력한 기반을 제공했습니다. 그 기반을 바탕으로 팀은 머신 러닝을 활용하여 전례 없는 범위의 처리 매개변수를 탐색했는데, 이는 기존의 시행착오적 방법으로는 실행 불가능했을 것입니다.

이 접근 방식은 이전에 재료 불안정성에 대한 우려로 인해 기각되었던 고밀도 처리 체계를 드러냈습니다. 팀은 목표 조정을 통해 레이저 파우더 베드 융합에 오랫동안 최적화된 Ti-6Al-4V를 처리하는 새로운 방법을 열었습니다.

"우리는 점진적인 개선만 하는 것이 아닙니다." Storck이 말했습니다. "우리는 이러한 재료를 처리하는 완전히 새로운 방법을 찾고 있으며, 이전에는 고려되지 않았던 기능을 잠금 해제하고 있습니다. 짧은 시간 안에 우리는 성능을 가능하다고 생각했던 것 이상으로 끌어올리는 처리 조건을 발견했습니다."

AI가 숨겨진 패턴을 찾는다

티타늄의 속성은 모든 재료와 마찬가지로 재료가 처리되는 방식에 영향을 받을 수 있습니다. 레이저 출력, 스캔 속도 및 레이저 트랙 간 간격은 재료가 어떻게 응고되는지 결정합니다. 즉, 강하고 유연해지거나 부서지기 쉽고 결함이 있는지 여부입니다. 전통적으로 올바른 조합을 찾으려면 느린 시행착오 테스트가 필요했습니다.

수동으로 설정을 조정하고 결과를 기다리는 대신, 팀은 베이지안 최적화를 사용하여 AI 모델을 훈련했습니다. 베이지안 최적화는 이전 데이터를 기반으로 가장 유망한 다음 실험을 예측하는 머신 러닝 기술입니다.

초기 테스트 결과를 분석하고 각 반복에서 예측을 개선함으로써 AI는 최상의 처리 조건을 빠르게 찾아냈습니다. 연구자들은 실험실에서 소수의 구성을 테스트하기 전에 가상으로 수천 개의 구성을 탐색할 수 있었습니다.

이 접근 방식을 통해 팀은 이전에 사용되지 않은 설정(일부는 기존 제조에서 무시됨)을 빠르게 식별하여 더 강하고 밀도가 높은 티타늄을 생산할 수 있었습니다. 이 결과는 어떤 레이저 매개변수가 최상의 재료 특성을 산출하는지에 대한 오랜 가정을 뒤집었습니다.

"이것은 단순히 부품을 더 빨리 제조하는 것만이 아닙니다." 크룸이 말했다. "강도, 유연성, 효율성 사이에서 적절한 균형을 맞추는 것입니다. AI는 우리가 스스로는 고려하지 않았을 처리 영역을 탐색하는 데 도움이 됩니다."

Storck은 이 접근 방식이 티타늄 인쇄를 개선하는 것을 넘어 특정 요구 사항에 맞게 재료를 맞춤화한다고 강조했습니다. "제조업체는 종종 모든 것에 맞는 일괄적 설정을 찾지만, 스폰서는 정밀성이 필요합니다."라고 그는 말했습니다.

"북극의 잠수함이든 극한의 조건에서 비행 구성 요소이든, 이 기술을 사용하면 최고의 성능을 유지하면서 고유한 과제에 최적화할 수 있습니다."

크룸은 머신 러닝 모델을 확장하여 더욱 복잡한 재료 거동을 예측하는 것이 또 다른 핵심 목표라고 덧붙였습니다. 팀의 초기 작업은 밀도, 강도 및 연성을 살펴보았고, 크룸은 피로 저항이나 부식과 같은 다른 중요한 요소를 모델링하는 데 주력하고 있다고 말했습니다.

"이 연구는 AI, 고처리량 테스트 및 데이터 기반 제조의 힘을 명확하게 보여주었습니다."라고 그는 말했습니다. "새로운 소재가 스폰서의 관련 환경에서 어떻게 반응하는지 이해하려면 수년간의 실험이 필요했지만, 대신 몇 주 만에 모든 것을 배우고 그 통찰력을 사용하여 향상된 합금을 빠르게 제조할 수 있다면 어떨까요?"

새로운 가능성

이 연구의 성공은 더욱 광범위한 응용 분야로의 문을 열어줍니다. 최근 발표된 논문은 티타늄에 초점을 맞추었지만, 동일한 AI 기반 접근 방식이 다른 금속 및 제조 기술에도 적용되었으며, 여기에는 적층 제조를 활용하기 위해 특별히 개발된 합금도 포함된다고 Storck은 말했습니다.

미래 탐색 분야 중 하나는 소위 현장 모니터링입니다. 실시간으로 제조 공정을 추적하고 조정할 수 있는 기능입니다. Storck은 최첨단 금속 적층 제조가 집에서 3D 프린팅하는 것만큼 매끄럽게 이루어질 수 있는 비전을 설명했습니다.

"우리는 미래의 적층 제조 시스템이 인쇄하면서 조정하여 광범위한 후처리 없이도 완벽한 품질을 보장하고 부품이 자격을 갖춘 상태로 태어날 수 있는 패러다임 전환을 예상합니다."

출처: https://www.sciencedaily.com/releases/2025/03/250307125716.htm