경량 난삭 고엔트로피 합금 설계: ML 활용

경량 난삭 고엔트로피 합금(LRHEA)은 낮은 밀도, 뛰어난 강도, 탁월한 고온 안정성을 겸비하여 항공우주 및 첨단 산업 분야에서 유망한 구조 재료로 주목받고 있습니다. 그러나 LRHEA 설계는 방대한 조성 공간, 복잡한 다목적 성능 절충, 그리고 기존의 시행착오적 실험 방식의 비효율성으로 인해 어려움을 겪고 있습니다. 최근 머신러닝(ML)은 고차원 데이터 분석과 조성-가공-미세구조-특성 간의 숨겨진 상관관계 규명 능력을 바탕으로 LRHEA 설계 분야에서 혁신적인 도구로 부상했습니다. 본 총설은 경험적 매개변수, 상평형도 계산, 제일원리 시뮬레이션 등 기존 설계 전략과 ML 기반 설계 프레임워크를 체계적으로 검토하며, 전통적 지식과 데이터 기반 방법론의 연계를 강조합니다. ML의 응용은 조성 최적화, 메커니즘 해석, 원자 스케일 시뮬레이션 세 가지 핵심 영역에서 비약적인 발전을 이루었습니다. 목표 지향적 ML 모델은 합금 설계 공간을 효율적으로 탐색하며, 원자 시뮬레이션과 통합된 해석 가능한 알고리즘은 강화 및 인성 메커니즘에 대한 근본적인 통찰력을 제공합니다. 본 연구는 데이터 희소성, 모델 전이성, 물리적 해석 가능성과 관련된 현재의 과제를 제시합니다. 향후 고처리량 실험, 다중 스케일 시뮬레이션, 인공지능의 심층적 통합을 통해 차세대 LRHEA를 위한 강력하고 체계적이며 가속화된 설계 패러다임이 구축될 것으로 전망합니다.