데이터 과학 활용 고온 Nb-Si 합금 최적화

고온 Nb-Si 기반 합금은 가공성을 위한 상온 파괴 인성(>18 MPa·m1/2)과 고온 강도 확보라는 상충하는 특성 사이에서 균형을 맞추는 데 어려움을 겪습니다. 본 연구는 이러한 고유한 한계를 극복하기 위해 기계 학습 기반 합금 설계를 도입했습니다. 200개의 초기 특성 중 3단계 특성 선별 전략을 통해 6개의 핵심 설명 변수를 식별했습니다. SHAP 분석으로 용융 엔탈피와 원자 반경 불일치가 특성 결과에 미치는 영향을 규명했으며, 이를 바탕으로 NSGA-II 알고리즘을 활용한 다목적 최적화를 수행했습니다. 최적화된 Nb-12.26Si-21.35Ti-1.98Al-1.96Cr-0.51Hf-4.34Zr-4.35V 합금은 18.92 MPa·m1/2의 주조 상태 파괴 인성을 달성하면서 1250 °C에서 322 MPa의 강도를 유지했습니다. 이는 기존에 보고된 모든 주조 Nb-Si 합금을 능가하는 결과입니다. 미세 구조 분석 결과, 나노 스케일 γ′-Nb5Si3 상의 분산 분포와 67.6%의 격자 불일치를 가진 상 경계에서의 균열 편향이 우수한 특성의 원인으로 밝혀졌습니다. 본 연구는 기계 학습 기술과 기계적 이해를 결합함으로써 고온 재료 발견을 가속화할 수 있음을 입증했습니다. 이는 차세대 고온 합금 개발에 중요한 방법론적 토대를 제공합니다.