분석·전산재료과학 및 구조재료기술
분석·전산재료과학 및 구조재료기술
구조재료: 자동차, 항공/우주, 국방, 생체재료, 전자, 에너지재료 등에 사용되는 우수하고 신뢰성 있는 기계적 특성의 구조용 재료 개발을 위해 다양한 실험적 기법 및 전산모사, 인공 지능 기반 미세조직 설계를 활용해 연구합니다.
소재분석 시뮬레이션: 전자현미경을 이용해 소재의 구조를 원자단위에서 관찰하는 초정밀 분석으로부터 시작해서 물리적 자극이 가해졌을 때, 소재 내부에서 벌어지는 동역학 프로세스를 관찰하여 신소재를 개발하고 물성을 최적화하는 기계학습 기반 소재 분석, 슈퍼컴퓨터를 활용해 소재의 물성을 이해하고 예측하는 멀티스케일 시뮬레이션들을 의미합니다.
구조재료: 자동차, 항공/우주, 국방, 생체재료, 전자, 에너지재료 등에 사용되는 우수하고 신뢰성 있는 기계적 특성의 구조용 재료 개발을 위해 다양한 실험적 기법 및 전산모사, 인공 지능 기반 미세조직 설계를 활용해 연구합니다.
분석·전산재료과학: 전자현미경을 이용해 소재의 구조를 원자단위에서 관찰하는 초정밀 분석으로부터 시작해서 물리적 자극이 가해졌을 때, 소재 내부에서 벌어지는 동역학 프로세스를 관찰하여 신소재를 개발하고 물성을 최적화하는 기계학습 기반 소재 분석, 슈퍼컴퓨터를 활용해 소재의 물성을 이해하고 예측하는 멀티스케일 시뮬레이션들을 의미합니다.
High Entropy Alloy
고엔트로피 합금
초기 청동기 시대 이후, 인류는 합금 원소를 첨가함으로써 재료의 특성을 조절하였습니다. 소수의 예외 사항을 제외하고, 상대적으로 적은 양의 첨가 원소를 기존 원소에 포함하는 합금 설계의 기본적인 전략은 수천 년 동안 바뀌지 않았습니다(예시로, 철에 탄소가 첨가된 철강 혹은 알루미늄에 구리가 첨가된 알루미늄 합금 등). 그러나 지난 15년 동안 다수의 고농도 주 원소를 가진, 새로운 합금설계전략을 통한 고엔트로피 합금(High-entropy alloy)이 출현하였습니다. 이러한 접근에 의해 고엔트로피 합금 설계의 조성 영역은 기존 합금에 비하여 고차원적으로 상당히 크게 넓어졌을 뿐 아니라, 사실상 제한이 없습니다. 지금까지는 매우 작은 조성 범위만이 연구되어왔음에도, 몇몇의 고엔트로피 합금은 이미 기존의 합금을 뛰어넘는 우수한 기계적, 자기적 및 불변하는 성질을 보였으며, 더 많은 이러한 고엔트로피 합금이 미래에도 계속 발견될 것으로 기대됩니다.
Metal Additive Manufacturing
금속 적층 제조(3D 프린팅)
금속 3D 프린팅으로 불리는 적층 제조 기술 (Additive manufacturing)은 3차원으로 설계된 CAD (Computer aided design) 데이터 기반 3차원 형상의 제품을 한 층씩 쌓아 제작하는 공정 특성으로 인해 전통 방식으로 제조가 불가능한 복잡한 형상의 제품을 한번에 제작할 수 있는 장점을 지닙니다. 이를 통해 기존 공법 대비 제품 개발에 소요되는 시간을 획기적으로 단축시킬 수 있을 뿐만 아니라, 기존의 생산 시스템과 달리 제품을 특정한 목적에 부합하도록 맞춤형 생산 가능하게 만들어 주어 다양한 구조 및 복잡한 부품을 요구하는 우주항공, 의료 분야 등 첨단 맞춤형 부품 분야로의 빠른 적용이 이루어지고 있습니다. 이러한 적층 제조 기술의 폭 넓은 적용 및 응용을 위해 다양한 합금들에 대한 적층 제조 연구가 전세계적으로 폭발적으로 이루어지고 있으며, 이러한 성장기 초반의 소재 기술에 대한 주도권 확보를 위해 POSTECH은 상용 구조 재료뿐 아니라 고엔트로피합금으로의 적용 등 다양한 연구를 진행 중에 있습니다.
Digital Twin by Artificial Intelligence and computer Simulation
for Alloy and Processing Development
인공지능과 전산모사기법을 결합한
디지털 트윈 구조용 소재 – 공정 설계
디지털 트윈, 멀티스케일 및 다중물리 소재 모델링은 다양한 과학적 기존의 방식들과 새로운 방식을 통합하여 재료과학과 공학에 필수적인 현상과 과정들의 방대한 시간 및 규모 범위를 연결할 수 있습니다. 최근 몇 년간 기술적인 것부터 예측적인 접근까지 디지털 트윈 분야는 놀라운 발전과 함께, 실제적 조건하의 복잡한 재료의 기능과 특성에 대한 모델링을 이루어냈습니다.
멀티스케일 및 다중물리 모델은 다양한 연구와 공학 분야에 적용됩니다. 멀티스케일 모델링의 가장 대표적 분야는 이제까지 실험적으로 관찰했던 범위를 넘어 복잡한 재료의 구조, 공정과 특성간의 관계를 예측하는 것입니다. 이처럼 이제껏 알려지지 않은 재료의 구조, 특성과 성능 예측모델도 큰 관심을 받고있습니다. 세번째 핵심 분야는 제조 공정의 시뮬레이션을 통해 제품 구조-특성을 예측하는 적합한 멀티스케일 모델의 발전입니다.
Metal Additive Manufacturing
전기화학적 부식 및 방식
현대에 이르러 스테인리스강의 개발과 발전으로 철강의 부식 저항성은 비약적으로 발전하였으나 극저온과 고온과 마모 환경과 해수 환경과 같은 극한 환경에서의 부식은 여전히 산업적으로 큰 경제적, 환경적 피해를 야기하고 인명 사고를 일으키는 원인으로 작용합니다. 이러한 가혹 환경에서의 부품 교체 및 수리는 극히 어렵거나 불가능하여 강한 내식성을 가진 구조재료의 필요성은 나날이 증가하고 있습니다. 그 중 고엔트로피 합금은 기존의 금속 재료에 적용되는 일반적인 예측에서 크게 벗어나는 특성으로 인해 가혹 환경에서 사용될 수 있는 구조재료로 각광받고 있습니다. 특히 CoCrMnFeNi 합금으로 대변되는 cantor 합금의 경우 대표적인 스테인리스강인 Type 304L 강보다 우수한 내식 특성을 가지고 있다는 보고가 수 차례 이루어지고 있습니다. 우리 학과에서는 다양한 종류의 고강도 구조재료에 대한 부식 거동을 분석하고 재료를 보호하기 위한 연구가 활발히 이루어지고 있습니다.
![](/wp-content/uploads/2020/09/tech4_img8.jpg")
ultra-precise materials analysis
초정밀 소재 분석
모든 소재는 원자로 구성되어있고, 원자들의 규칙적인 배열인 결정 구조로부터 소재의 독특한 특성이 발현됩니다. 따라서 새롭게 합성된 소재의 특성을 밝히기 위해 가장 먼저 연구되어야 할 것은 소재 구조를 분석하는 것입니다. 광학현미경으로 물체를 확대하여 관찰하듯이 전자현미경의 발달로 원자 단위의 정밀한 소재 구조를 시각화하는 것이 가능해졌습니다. 더불어, 정밀 소재 분석 도구의 개발로 외부 열 또는 전류에 반응하는 소재 미세 구조 변화를 실시간으로 확인할 수 있습니다. 이러한 초정밀 분석법을 금속, 산화물, 배터리, 반도체 등 다양한 소재에 적용함으로써 물성 발현의 구조적 메커니즘을 밝힐 수 있고, 이는 차세대 산업 발전의 핵심적인 역할을 할 수 있습니다.
ultra-fast materials analysis
초고속 소재 분석
펨토초 (Femtosecond, fs)는 10-15 초로 빛 조차 300 나노미터 밖에 진행하지 못하는 매우 짧은 시간입니다. 하지만 소재 내부에 전자는 1 ~ 10 fs 마다 다른 전자와 충돌하고 ~ 1,000 fs 마다 격자와 충돌하거나 포획됩니다. 전자가 전기를 흘리고, 빛을 흡수하거나 방출하는 찰나를 포착하면 전자 소자나 광소자의 내부 소재의 문제점을 정확히 알 수 있습니다. 이러한 정보는 바탕으로 완전히 새롭고, 혁신적인 특성을 갖는 소재를 개발하는데도 활용할 수 있습니다. 이렇듯 소자의 성능을 결정하는 소재의 전하 전도, 광흡수, 광방출, 정보 저장 시간 등 물리적 특성들을 정확히 이해하고 개선하려면, 전자가 전기, 자기, 빛, 열, 기계적 충격이 가해졌을 때 대응하는 일련의 동역학 과정을 정확히 파악해야 합니다. 이를 위해 저희 신소재공학과는 펨토초 수준에서 소재 내부 미시적인 거동을 분석할 수 있는 초고속 레이저 분광 분석법을 활용하여 소재의 특성을 분석하는 연구를 진행하고 있습니다.
Machine-learning-based materials analysis
기계학습 기반 소재 분석
기계학습은 인간의 인지적 기능을 모방한 것입니다. 연구자가 실험 결과를 분석하여 특정한 규칙을 찾는 것과 동일하게 데이터를 활용하여 패턴을 학습하고 학습된 패턴으로부터 재료의 물성을 추론하는 연구를 의미합니다. 예를들어, 많은 사진들의 학습을 통해 눈, 코, 입, 귀, 머리 등의 규칙적인 배열이 사람의 얼굴에 해당한다는 것을 학습함으로써 처음보는 사진에서 사람의 얼굴에 해당하는 부분을 찾아낼 수 있는 것처럼 다양한 원자 배열의 소재가 갖는 물성에 대한 데이터베이스를 학습함으로써 아직 알려지지 않은 새로운 소재의 물성을 예측하는 것이 기계학습 기반 소재 연구 입니다. 이러한 소재 데이터베이스와 기계학습 플랫폼을 활용하여 필요한 특성의 소재를 빠르게 찾거나 새로운 소재의 물성을 높은 정확도로 예측하는 기계학습 기반의 소재 연구를 진행하고 있습니다.
Multiscale simulations
멀티스케일 시뮬레이션
멀티스케일 시뮬레이션은 컴퓨터 기반의 다양한 테크닉을 이용해 실험으로 밝히기 어려운 소재 내 복잡한 현상들에 대해 이해하고 분석하는 기법입니다. 개별 원자나 전자로부터 시작해서 실생활에 활용되는 장치에 이르기까지 다양한 시·공간 스케일에서 재료 내에 일어나는 복잡한 현상들을 제일원리, 분자동역학, 열역학, 상장모델, 유한요소법등 다양한 계산기법들을 활용하여 이해하고 분석하는 학문입니다. 최근에는 이를 활용해 실험을 하지 않고서도 빠른 시간 내에 새로운 소재의 물성을 정확하게 예측하여 저비용 고효율로 신소재를 개발하고 다양한 응용분야에 맞게 최적화하는 연구도 진행중에 있습니다.
