고인성 Nb-Si 합금 설계를 위한 해석 가능한 ML 프레임워크

항공우주 소재 분야에서 고온 작동 및 저밀도 특성을 갖춘 합금 개발은 항공기 엔진 효율 증대와 배출가스 저감에 필수적입니다. Nb-Si 합금은 기존 Ni 기반 초합금보다 고온에서 작동 가능하며 밀도가 낮아 유망한 대안으로 주목받고 있습니다. 본 연구에서는 Nb-Si 기반 초고온 합금 설계를 위해 기계 학습 기반 프레임워크를 개발했습니다. 3단계 특징 선별 전략을 통해 20 MPa·m1/2의 파괴인성 장벽을 극복하고자 했습니다. 개발된 모델은 파괴인성(KQ)을 7% 미만의 오차로 예측하며, SHAP 및 PDP 분석을 통해 모델을 해석하여 합금 설계 방향을 제시했습니다. 모델 예측 검증을 위해 Si 함량 3~15 at.% 범위의 합금 5종을 합성했습니다. 특히 Sample #5 (Nb38.5Ti38.5Si3Zr18V2)는 주조 Nb-Si 합금의 일반적인 범위(20 MPa·m1/2 미만)를 뛰어넘는 22.791 MPa·m1/2의 KQ 값을 달성했습니다. 미세구조 분석 결과, 취성 규화물 상이 연성 Nbss 상으로 변태하고 균열 가교 강화가 발생하여 성능이 향상되었음을 확인했습니다. 강화 기구 분석에서는 고용 강화가 68%~84%로 지배적이었으며, 우수한 강도-인성 균형을 보였습니다. 이 연구는 해석 가능한 기계 학습을 활용하여 고성능 Nb-Si 합금 설계의 새로운 방향을 제시하며, 항공우주 분야의 차세대 소재 개발에 기여할 것으로 기대됩니다.