지식 기반 그래프 신경망 활용 합금 설계

레이저 적층 제조용 고성능 합금 설계에 있어 기계 학습은 유망하지만, 기존 방식은 대규모 고품질 데이터셋 의존으로 과적합 및 비합리적인 설계 결과를 초래하는 한계가 있었습니다. 본 연구는 이러한 한계를 극복하고자, 지식 기반 그래프 모델링과 데이터 불확실성 정량화를 통합하여 소규모 실험 데이터셋으로도 작동 가능한 범용 프레임워크를 제안합니다. 제안된 프레임워크는 물리 야금학적 지식과 생산된 재료의 실험적 결함 분포에서 발생하는 확률론적 특성을 합리적으로 균형 있게 고려합니다. 이를 통해 데이터셋의 크기나 품질에 대한 의존도를 낮추면서도 신뢰성 높은 합금 설계가 가능합니다. 접근 방식의 유효성을 검증하기 위해, 우수한 레이저 프린팅 가능성, 열 안정성 및 높은 기계적 강도를 지닌 새로운 무결함 Ni 초합금을 개발했습니다. 메커니즘 분석을 통해 성능의 잠재적 원인을 규명했으며, 이는 원자 탐침 단층 촬영으로 확인되었습니다. 나아가 동일한 접근법으로 새로운 레이저 프린팅 가능 알루미늄 합금도 개발했습니다. 본 연구에서 개발된 프레임워크는 적층 제조를 위한 차세대 합금 설계를 가속화할 잠재력을 보여줍니다. 소규모 데이터셋으로도 고성능 무결함 합금 개발을 가능하게 함으로써, 재료 과학 및 공학 분야에서 혁신적인 설계 패러다임을 제시합니다.