| 초록 |
다양한 첨가제와 고분자를 가공하여 얻어진 고분자 복합수지는 뛰어난 물성을 기반으로 자동차 산업 등 여러 분야에서 꾸준히 주목받고 있다. 하지만 재료 설계와 실제 산업 활용간의 기술이전 시간 감소가 요구됨에 따라 보다 짧은 시간 안에 원하는 물성을 지닌 복합소재를 설계하는 것이 점점 더 중요해지고 있다. 본 연구는 고분자, 필러 각각의 물성과 고분자 복합수지의 조성을 학습 데이터로 활용하여 고분자 복합수지의 인장 강도와 파단점을 예측하는 AI 모델을 개발하였다. 각 4가지의 고분자와 필러로 혼합된 85종의 고분자 복합수지 인장시험 데이터를 활용하여 인장강도와 파단점 정보를 확보하였고, 고분자, 필러 각각의 화학적, 물리적 특성값들을 생성하여 상관관계 분석(PCC)과 차원축소(PCA)를 활용하여 데이터 전처리를 진행하였다. 이후 딥러닝과 기계학습 AI 모델 중 대표적인 DNN, XGBoost 모델을 통해 학습을 진행하였고, 최종 성능은 XGBoost 모델이 82%로 우수한 예측성능을 보였다. 본 연구는 단순 반복적 실험에 의존하는 기존 소재 개발 방식의 한계를 돌파하기 위한 AI 기반 예측 및 설계 기술의 개발을 위해, 단일물질의 물성, 복합소재의 조성, 물성 간의 복잡한 상관관계를 파악하였으며, 개발 시스템은 소재 개발 기간 및 비용의 단축에 기여할 것으로 기대된다. |
