고엔트로피 합금의 새로운 발견! 여러 팀이 협력하여 산화 저항성을 고정밀로 예측합니다. 알루미늄/크롬/실리콘 함량을 증가시키면 효과적으로 개선될 수 있습니다.
항공기 엔진의 가장 중요한 구성 요소 중 하나인 터빈 블레이드는 엄청난 기계적 응력을 견뎌내면서 1000°C가 넘는 고온에서 지속적으로 작동해야 합니다. 2018년, 사우스웨스트 항공의 상업용 여객기가 비행 중 갑자기 엔진 고장을 일으켜 비상 착륙을 해야 했습니다. 이후 조사 결과, 고장의 근본 원인은 고온 환경에서 엔진 터빈 날개의 산화 및 부식으로 인한 것으로 밝혀졌으며, 이는 결국 구조적 고장으로 이어졌습니다.
이 사건은 항공사에 막대한 손실을 입혔을 뿐만 아니라 과학자들에게 다음과 같은 사실을 깨닫게 했습니다.기존의 고온 소재는 성능 한계에 도달했으며, 미래의 과제를 해결하기 위해 더욱 강력한 소재가 시급히 필요합니다.
오랫동안 니켈 기반 초합금은 터빈 블레이드 제조에 선호되는 재료였지만, 항공기 엔진 성능이 지속적으로 향상됨에 따라 니켈 기반 초합금의 성능은 점차 한계에 접근했습니다. 과학자들은 더 높은 온도와 더 혹독한 환경에서도 안정적으로 작동할 수 있는 새로운 소재를 찾기 시작했습니다. 그 다음에,내화성 고엔트로피 합금(RHEA)과 내화성 복합 고엔트로피 합금(RCCA)이 탄생했습니다.
이러한 새로운 소재는 독특한 조성과 구조로 인해 놀라운 고온 성능을 보이며, "차세대 고온 소재의 희망"으로 환영받고 있습니다. 하지만 다음과 같은 의문도 생깁니다. 고온 환경에서 이러한 새로운 소재의 항산화 특성을 빠르고 정확하게 예측하는 방법은 무엇일까요?
전통적인 방법은 시간과 노동력이 많이 소요될 뿐만 아니라, 복잡한 합금 시스템의 다양성을 처리하기 어렵습니다. 최근 프랑스 보르도 대학, 일본 국립재료과학연구소, 중국 대만 청화대학, 벨기에 루뱅 대학, 벨기에 WEL 연구소의 공동 연구팀이RHEA와 RCCA의 항산화 특성에 대한 고정밀 예측은 그래디언트 부스팅 결정 트리(GBDT) 기술을 통해 성공적으로 달성되었습니다.그것은 재료과학 분야에 혁명적인 발전을 가져왔습니다.
관련 연구 결과는 재료과학 분야 저널인 Scripta Materialia에 "AI 예측 모델을 활용한 고온 산화 저항성 내화성 고엔트로피 합금 개발 발전"이라는 제목으로 게재되었습니다.
논문 링크:
https://doi.org/10.1016/j.scriptamat.2024.116394
오픈소스 프로젝트인 "awesome-ai4s"는 200개 이상의 AI4S 논문 해석을 모아 방대한 데이터 세트와 도구를 제공합니다.
https://github.com/hyperai/awesome-ai4s
AI는 니켈 기반 초합금의 완벽한 대체재를 찾는 과정에서 산화 예측 문제를 해결할 것으로 기대됩니다.
현대 산업의 급속한 발전은 재료 과학의 끊임없는 혁신과 분리될 수 없습니다. 항공우주에서 에너지 개발까지, 전자기기에서 의료기기까지 모든 기술적 도약은 새로운 소재의 탄생을 동반합니다. 그 중에서도 고온 합금은 뛰어난 성능으로 인해 항상 핵심적인 역할을 합니다.
고온 합금은 극도로 높은 온도 환경에서도 높은 강도, 산화 저항성, 고온 내식성, 피로 저항성, 파괴 인성 및 안정적인 내부 구조를 유지할 수 있는 고성능 소재입니다. 주로 철, 니켈, 코발트 등의 원소로 구성되어 있으며, 티타늄, 알루미늄, 크롬, 몰리브덴, 텅스텐 등의 원소가 보충되어 있습니다.고온 합금은 기지 원소에 따라 철 기반, 니켈 기반, 코발트 기반의 세 가지 범주로 나눌 수 있습니다.
그 중에서도 철 기반 고온 합금은 작동 온도가 낮은 엔진 부품에 자주 사용됩니다. 니켈 기반 고온 합금은 우수한 고온 강도로 인해 항공기 엔진과 산업용 가스터빈의 가장 뜨거운 부분에 널리 사용되고 있으며, 고온 합금 전체 수요의 약 80%를 차지합니다. 코발트 기반 고온 합금은 주조성과 용접성이 뛰어나 가이드 블레이드 소재에 이상적인 선택입니다.
세계 4대 고온 합금 시스템 중에서 니켈 기반 합금은 매우 핵심적이고 중요한 위치를 차지합니다. 최근 몇 년 동안, 내화성 고엔트로피 합금(RHEA)과 내화성 복합 고엔트로피 합금(RCCA)이 고온 응용 분야에 중요한 후보 소재가 되었습니다. 이러한 합금은 여러 가지 주요 내화성 원소(예: Zr, Hf, V, Nb, Ta, Cr, Mo, W 및 Re)에 소량의 Al, Si 또는 Ti가 첨가된 것이 특징입니다.일반적으로 이러한 소재는 기존 소재보다 뛰어난 기계적 성질과 높은 녹는점을 나타내며 1000°C가 넘는 온도를 견딜 수 있습니다.니켈 기반 초합금과 강력한 경쟁을 벌이고 있습니다. 그러나 RHEA와 RCCA의 개발 역시 큰 과제에 직면해 있습니다. 이러한 금속은 쉽게 산화되는데, 이는 특히 고온 환경에서 두드러지며 기계적 성질을 심각하게 약화시킬 수 있습니다.
고온 산화 공정은 산화물 층의 형성, 성장, 용해 및 박리와 관련된 복잡한 열역학적 및 운동학적 요인에 의해 제어됩니다. 하지만 오랫동안 연구자들은 합금의 산화 거동을 예측하기 위해 주로 경험적 관찰과 복잡한 물리적 모델에 의존해 왔습니다. 하지만 이러한 전통적인 방법에는 상당한 한계가 있습니다.
인공지능 기술의 지속적인 발전, 고처리량 컴퓨팅 방법 및 고급 특성화 기술 덕분에 RHEAs 및 RCCAs 연구에 새로운 아이디어가 제공되었습니다.
XGBoost의 "하이라이트 모멘트": Al, Cr, Si 함량을 증가시키면 합금의 산화 저항성을 효과적으로 향상시킬 수 있습니다.
AI 모델의 성능은 학습 데이터의 품질에 크게 좌우됩니다. 합금의 산화 저항성을 예측하려면 연구자들은 합금의 화학적 구성, 산화 조건(예: 온도 및 시간), 산화 저항성 측정 항목(예: 질량 증가)을 연결하는 정확한 데이터 세트를 구축해야 합니다. 그러나 합금의 산화 거동에는 원소 확산, 미세 구조 변화, 산화물 안정성, 환경 상호 작용을 포함한 복잡한 물리적, 화학적 과정이 수반됩니다.현재 과학계에서 직접 사용할 수 있는 대규모 데이터베이스는 없습니다.
이러한 목적을 위해, 본 연구의 연구자들은 출판된 문헌에서 "탐사"하여 방대한 양의 실험 데이터를 추출했습니다.886개의 관찰 결과를 담은 포괄적인 데이터 세트가 구축되었습니다.이 데이터는 11가지 원소(Al, Cr, Hf, Mo, Nb, Si, Ta, Ti, V, W 및 Zr)로 구성된 기존의 내화 합금과 RHEAs/RCCAs에 대한 내용을 담고 있으며, 합금 구성, 산화 시험 온도 및 노출 시간에 대한 자세한 기록도 포함되어 있습니다. 이러한 설명자는 합금 제조 공정 중에 제어할 수 있으며 후속 머신 러닝 모델링의 기초를 마련합니다.
연구진은 데이터 집합에서 다양한 합금 구성 요소 간의 관계를 보다 직관적으로 이해하기 위해 163개 노드를 사용하여 다양한 합금을 나타내고 각 노드의 색상을 사용하여 몰 백분율이 가장 높은 원소를 나타내는 방식으로 데이터를 시각화했습니다. 결과는 다음과 같습니다데이터 세트에는 3개의 주요 고농도 지역이 형성되었습니다.아래 그림에서 볼 수 있듯이 파란색 영역은 Al이 우세하고, 주황색 영역은 Cr이 우세하고, 보라색 영역은 Nb가 우세합니다. 이러한 지역은 합금 설계에서 다양한 요소의 중요성을 반영합니다.
데이터 세트를 더욱 풍부하게 하려면연구진은 이러한 고농도 영역에서 무작위로 9가지 성분을 추출하고 아크 용융 기술을 사용하여 9가지 "무작위" 합금을 합성했습니다.이러한 새로운 합금을 추가하면 데이터 세트의 다양성이 확대될 뿐만 아니라, 모델 학습 및 검증을 위한 샘플도 더 많아집니다.
데이터 집합이 비교적 작고 항산화 활동에는 복잡한 비선형 관계가 관련되어 있기 때문에 연구자들은 효율적인 그래디언트 부스팅 결정 트리(GBDT) 모델인 XGBoost(Extreme Gradient Boosting) 알고리즘을 선택했습니다. XGBoost는 비선형 관계와 기능 상호 작용을 처리하는 능력으로 유명합니다.이런 종류의 문제를 해결하는 데 매우 적합합니다.
886개 관찰치의 전체 데이터 세트에 대해 모델을 학습시킨 결과, XGBoost가 여러 성능 지표에서 좋은 성과를 보인다는 결과가 나왔습니다.XGBoost는 기존의 다중선형회귀모델(MLR)과 비교했을 때 결정계수(R²), 평균제곱오차(RMSE), 평균절대오차(MAE)에서 상당한 개선을 이루었습니다. 즉, XGBoost는 합금의 산화 저항성을 더욱 정확하게 예측할 수 있습니다.
연구진은 항산화 능력에 가장 큰 영향을 미치는 요인이 무엇인지 더 잘 이해하기 위해 기계 학습 모델의 출력을 설명하는 방법인 SHAP 값(Shapley Additive Explanations)을 계산했습니다. 결과는 다음과 같습니다.
* 산화 온도와 시간은 산화 저항성에 영향을 미치는 주요 요소입니다. 온도가 높을수록, 시간이 길어질수록 합금의 질량 증가는 커지고 산화 저항성은 나빠집니다.
* Nb, Zr, V, Ti, W, Hf의 농도는 질량 증가와 양의 상관관계를 보였으며, 이는 이러한 원소들이 산화 저항성에 부정적인 영향을 미친다는 것을 나타냅니다.
* 반대로, Al, Mo, Cr, Ta, Si의 농도가 증가하면 질량 증가가 감소하고 따라서 산화 저항성이 향상됩니다.
이러한 연구 결과는 알려진 과학 법칙을 검증할 뿐만 아니라, 미래의 합금 설계에 중요한 지침을 제공합니다. 예를 들어,Al(알루미늄), Cr(크롬), Si(규소)의 함량을 증가시키면 합금의 산화 저항성을 효과적으로 향상시킬 수 있습니다.
중국 고온합금 산업의 부상과 인공지능의 지원
재료 과학 분야에서 고온 합금은 항공우주, 에너지 개발 등 핵심 분야에서 대체 불가능한 특성으로 인해 항상 전략적 소재로 간주되어 왔습니다. 그러나 복잡한 생산 기술, 긴 연구 개발 주기, 대규모 자본 투자로 인해 고온 합금 산업은 오랫동안 몇몇 국제적 거대 기업이 독점하여 명확한 과점 패턴을 형성해 왔습니다. 미국을 대표로 하는 선진국들은 선두주자로서의 이점을 활용했습니다.프랫앤휘트니(PCC), 카펜터, 헤인즈 인터내셔널 등의 업계 거물이 형성되었습니다.이들 기업은 핵심기술과 특허를 완벽히 습득했을 뿐만 아니라, 수직적 통합과 글로벌 레이아웃을 통해 글로벌 시장을 확고히 장악하고 있습니다.
이와 대조적으로 중국의 고온합금 산업은 늦게 시작되었지만 빠르게 발전했습니다. 최근 몇 년 동안,중국은 고온 합금 분야에서 '추격'에서 '병렬'로 도약했으며, 어떤 분야에서는 '선두'가 되기도 했습니다.
현재 국내에서 고온 합금의 연구개발 및 제조에 종사하는 기관으로는 일반철강연구소, 베이징항공재료연구소, 금속연구소, 중국과학원, 베이징과학기술대학 등의 과학 연구 기관과 중국철강연구소, 서부초전도체, AVIC 상하이대학, 두난유한공사 등의 우수 기업이 있습니다. 이러한 기관들은 수년간의 기술 축적과 혁신을 통해 "무(無)"에서 "유(有)"로의 돌파구를 마련했으며, 일부 분야에서는 국제적인 선진 수준에 도달했습니다.
그러나 고온 합금의 성능 최적화는 고온 강도, 상온 연성, 산화 저항성과 같은 여러 지표 간의 최적의 균형을 찾는 것을 요구하는 복잡하고 다목적적인 문제입니다. 최근 몇 년 동안 인공지능 기술의 도입으로 고온 합금 설계에 혁명적인 진전이 이루어졌습니다. AI와 과학 및 재료 과학 분야가 지속적으로 통합됨에 따라 국내 연구진은 고온 합금 분야에서 AI 기술의 새로운 획기적인 성과에 집중하기 시작했으며, 지난 2024년에 많은 진전을 이루었습니다.
예를 들어, 베이징 과학기술대학의 수얀징 팀은 머신 러닝, 유전자 검색, 클러스터 분석, 실험 피드백을 결합한 다목적 최적화(MOO) 프레임워크를 제안했습니다.최적의 고온 강도와 실온에서의 연성을 갖춘 내화성 고엔트로피 합금(RHEA)을 설계하는 데 사용됩니다.연구팀은 24개의 RHEA를 합성하고, ZrNbMoHfTa 합금이 고온에서 뛰어난 성능을 보인다는 것을 실험적으로 검증했습니다.
이에 앞서 중국과학기술대학과 중국과학원 금속연구소 연구팀은 머신러닝 기술을 사용하여 적층 제조를 위한 고온 합금의 설계에 집중했습니다."균열 민감성과 고온 성능의 균형"이라는 핵심 문제가 해결되었습니다.이 연구에서는 데이터 수집 및 전처리, 모델 구축 및 교육, 합금 성능 예측을 포함한 머신 러닝 지원 고온 합금 설계의 기본 방법을 자세히 설명합니다. 연구팀은 머신 러닝을 통해 적층 제조에 적합한 고온 합금 조성을 빠르게 선별해내어 연구 개발 주기를 크게 단축했습니다.
관련 결과는 "기계 학습 기반 적층 제조를 위한 니켈 기반 초합금의 설계: 연구 현황 및 미래 동향"이라는 제목으로 "스마트 보안"에 게재되었습니다.
논문 링크:
10.12407/j.issn.2097-2075.2024.02.096
중국은 고온 합금 분야에서 괄목할 만한 진전을 이루었지만, 여전히 국제적 거대 국가들과 비교하면 어느 정도 격차가 있습니다. 예를 들어, 고급 제품의 안정성과 일관성은 여전히 개선의 여지가 많습니다. 또한 고온합금 산업 사슬은 아직 완전한 독립적 통제를 달성하지 못했으며, 일부 핵심 원자재와 장비는 여전히 수입에 의존하고 있습니다.
그러나 인공지능, 빅데이터 등 신기술이 널리 적용됨에 따라 중국의 고온 합금 산업은 새로운 발전 기회를 맞이하고 있습니다. 연구자들은 AI 기술을 통해 새로운 소재를 설계하고 생산 공정을 더욱 효율적으로 최적화하여 기술적 혁신을 가속화할 수 있습니다. 앞으로 중국은 고온 합금 분야에서 '병렬 경쟁'에서 '선도'로 도약하여 세계 산업 발전에 더 많은 '중국의 지혜'를 기여할 것으로 기대됩니다.
참고문헌:
1.http://znaq.ijournals.cn/znaq/article/abstract/20240124001?st=article_issue
2.https://www.sohu.com/a/739946600_120113054
3.https://www.chyxx.com/industry/1194170.html
4.https://baijiahao.baidu.com/s?