90%는 R&D 속도가 100배 빠르고 비용은 절감됩니다! AI 소재 회사 Phaseshift Technologies가 에너지/항공우주/광산/자동차용 합금을 개발합니다.
석기시대, 청동기시대, 철기시대에 이르기까지 인간 문명의 발전은 어떤 관점에서 보면 물질적 발전의 역사이기도 합니다. 오늘날에도 우리 주변에서는 우뚝 솟은 마천루부터 작지만 강력한 스마트폰 칩까지 다양한 소재를 볼 수 있습니다. 그러나 기술의 발전으로 다양한 산업에서 소재에 대한 요구 사항이 더욱 엄격해졌습니다.많은 산업이 기존 소재의 본질적인 속성에 의해 제약을 받고 있어, 새로운 혁신을 이루기 어렵습니다.
예를 들어, 스마트폰의 디자인은 기본적으로 강도와 무게 측면에서 최적의 수준에 도달했습니다. 즉, 유리, 알루미늄 합금, 배터리 등 관련 소재의 현재 개발 상황으로는 휴대폰의 무게를 획기적으로 줄이는 것은 어렵다는 것이다. 플라스틱과 같은 가벼운 소재는 강도가 제한적입니다. 긁힘 방지 기능이 떨어지고 내구성이 떨어집니다.
높은 강도와 낮은 무게를 모두 갖춘 새로운 소재를 개발하는 것은 쉽지 않습니다.새로운 소재를 개발하는 일은 비용이 많이 들고 시간도 오래 걸릴 뿐만 아니라, 매우 높은 위험도 안고 있습니다.일반적으로 신소재에 대한 R&D 투자는 1억 달러에 달하고, 재정적 손익분기점에 도달하려면 최소 10년이 걸립니다.
오랫동안 항공우주 및 방위 산업과 같이 자금력이 충분한 전략적 산업만이 독점 소재를 개발할 수 있는 능력을 갖추고 있었지만, 광업, 에너지, 가전제품, 제조와 같은 분야는 여전히 소재 개발에 많은 어려움에 직면해 있습니다. 그 결과, 많은 회사는 기존 소재를 고수하는 것을 선호하며, 예를 들어 반세기 전에 개발된 합금을 여전히 사용하고 있습니다.이 경우에는 몇 가지 타협이 필요합니다.
* 더 비싼 재료 비용이 소비자에게 전가되나요?
* 수명이 짧더라도 중요한 구성 요소를 수용하는 것이 허용될 수 있을까요?
* 재료 성능 부족을 보상하기 위해 더 높은 유지 관리 비용이 허용될 수 있습니까?
* 일부 혁신적인 디자인이 기존 소재의 물리적 특성을 선호하면서 포기되고 있는가?
* 그들은 계속해서 수입 공급망에 의존하고 희소하거나 비싼 원자재로 인한 불확실성을 견뎌낼 것인가?
캐나다 회사인 Phaseshift Technologies는 위의 딜레마에 대한 해결책을 제공했습니다.
2019년, 첨단소재 기업인 Phaseshift Technologies가 캐나다에 공식 설립되었습니다.AI 기술과 다중 스케일 시뮬레이션을 활용하여 차세대 합금 및 복합재 개발에 전념합니다.MatterMind™(AI 기반 합금 설계)와 Cascade™(통합 다중 규모 시뮬레이션)를 기반으로 하는 Rapid Alloy Design(RAD™) 플랫폼을 사용하면 다양한 산업의 특정 요구 사항과 시나리오에 맞춰 맞춤형 합금을 개발할 수 있습니다.
Phaseshift 공식 홈페이지에 따르면,이 방법을 사용하면 기존 방법에 비해 소재 개발 속도가 100배 빨라지고 비용은 절감됩니다.또한, 이를 통해 설계된 합금은 항공우주, 자동차, 에너지, 방위, 광산 및 첨단 제조 산업에 널리 사용될 수 있습니다.
* 항공우주: 차세대 합금은 안전 기준을 충족하는 동시에 향상된 성능, 경량화, 연료 효율성을 제공합니다.
* 자동차: 연료 효율성과 안전성을 개선하고 혁신적인 차량 설계를 가능하게 하는 더 가볍고 강한 합금을 개발합니다.
* 에너지: 맞춤형 합금은 극한의 환경을 견딜 수 있고, 장비의 내구성과 효율성을 개선하며, 유지관리 비용을 절감할 수 있습니다.
* 방어: 첨단 합금은 뛰어난 성능과 내구성을 제공하여 중요한 임무에서 신뢰성을 보장합니다.
* 채굴: 내구성 있는 합금은 혹독한 환경을 견뎌내고, 장비의 수명을 연장하며, 채굴 생산성을 높일 수 있습니다.
* 첨단 제조: 맞춤형 합금은 제품 성능, 내구성, 설계 유연성을 개선하여 제조 공정의 혁신을 촉진할 수 있습니다.
현재 Phaseshift는 Innospark Ventures가 주도하고 Draper Associates와 First Star Ventures가 참여하고 엔젤 투자자 Hustle Fund Angel Squad가 추가로 지원한 300만 달러 규모의 시드 라운드 자금 조달을 완료했습니다. 이 자금을 통해 Phaseshift는 신소재의 개발과 상용화를 가속화할 수 있게 되었습니다.
Phaseshift의 공동 창립자이자 CEO인 파잘 마흐무드는 다음과 같이 말했습니다.특정 산업의 발전이 기존 재료의 고유한 속성으로 인해 제한을 받는 경우, 재료 수준의 혁신이 중요해집니다.당사의 AI 플랫폼은 간과되었던 실제 산업 문제를 해결하기 위해 특수 소재의 신속한 개발을 가능하게 합니다. 더욱 내구성이 뛰어나고 효율적이며 지속 가능한 소재를 제공함으로써, 우리는 산업계가 폐기물을 줄이고, 유지 보수 비용을 낮추고, 엔지니어링과 제조의 한계를 뛰어넘는 데 도움을 주고 있습니다."
AI + 다중 스케일 시뮬레이션으로 차세대 합금 소재 개발
새로운 소재를 설계하는 것은 많은 양의 재료를 넣어 복잡한 요리법을 섞는 것과 같습니다. 과거에는 과학자들이 요리사처럼 실험을 했습니다. 끊임없이 재료의 비율을 조정하고 각 변화가 최종 "요리"에 미치는 영향을 관찰하면서 시행착오를 거쳐 최고의 요리법을 찾았습니다.
오늘날 Phaseshift에서는 인공지능이 이 "셰프" 역할을 수행하도록 했습니다. 이 기계는 "재료"의 모든 가능한 조합을 알 뿐만 아니라, 각 재료가 재료의 전반적인 "맛"에 어떤 영향을 미치는지 예측하여 잠재적으로 "완벽한 레시피"를 찾아냅니다. 더욱이, 고급 계산 모델을 통해 이러한 요리법을 시뮬레이션하고 평가할 수 있습니다. 이를 통해 연구자들은 끝없는 현실 실험을 수행하지 않고도 합금 "성분"과 "조리 방법"의 무수한 조합을 빠르게 탐색할 수 있습니다.
구체적으로 아래 그림과 같이,Phaseshift 플랫폼에서 새로운 합금 개발은 5단계를 거칩니다.첫째, 사용자는 합금의 목적을 제공하고 회사는 설계 요구 사항을 결정합니다. 두 번째로, MatterMind™는 AI 방법을 사용하여 새로운 최적화된 합금 조성을 생성합니다. 셋째, Cascade™는 나노, 마이크로, 매크로 등 다중 스케일 시뮬레이션을 통해 합금 성능을 평가하고, AI 모델을 업데이트하여 설계 요구 사항을 충족할 때까지 위의 단계를 반복합니다. 넷째, 업계별 자격 기준을 사용하여 재료에 대한 현실적인 평가를 실시하기 위해 실험실과 협력합니다. 다섯째, 맞춤형 합금을 활용해 시장에서 경쟁 우위를 확보하세요.
위와 같은 기술적 혁신을 이루기 위해 Phaseshift는 AI와 재료과학 분야의 전문가 그룹을 모았습니다.머신 러닝 연구자인 오사지 에로 박사와 계산재료 엔지니어인 젠 리 박사 등이 있습니다. 오사지 에로 박사는 머신 러닝 연구 분야에서 8년 이상의 경험을 가지고 있으며, 특히 제조 분야에서 고급 AI 알고리즘을 설계하는 데 능숙합니다. 젠 리 박사는 재료 과학, FEM 시뮬레이션 및 고급 모델링 기술에 대한 광범위한 지식을 보유하고 있으며, 야금 공정의 수치 시뮬레이션 분야에서 8년의 경험을 보유하고 있습니다. 그는 "모델링과 시뮬레이션은 재료를 이해하는 도구일 뿐만 아니라 엔지니어링 혁신의 열쇠이기도 하다"고 믿습니다.
MatterMind™: "완벽한 합금"을 설계하기 위한 독점적인 데이터 기반 AI 모델
좋은 AI 모델을 훈련하는 핵심은 고품질의 특정 데이터를 확보하는 것입니다. 그러나 재료과학 분야의 데이터는 종종 분산되어 있고 표준이 일관되지 않습니다. 많은 실험 데이터는 학술 논문, 기업 연구실 또는 독점 데이터베이스에 존재하며, 공개 데이터는 극히 제한적입니다.
이 문제를 해결하려면Phaseshift는 실험과 시뮬레이션을 결합하여 고품질 데이터 세트를 자율적으로 생성합니다.이러한 접근 방식은 다양한 맥락에서 데이터의 일관성과 신뢰성을 보장하여 MatterMind™ 플랫폼의 견고한 기반을 제공합니다.
MatterMind™는 머신 러닝과 물리 기반 모델링을 결합합니다.첫째, 독점적인 합금 데이터 세트(기존 및 시뮬레이션된 데이터 세트 모두)를 사용하여 학습함으로써 MatterMind™는 합금 구성의 광대한 공간을 빠르게 분석하고, 최적의 합금 제형을 예측하고, 종종 인간의 직관을 넘어서고 수학 공식으로 직접 표현할 수 없는 요소, 가공 조건, 미세 구조 및 재료 특성 간의 복잡하고 비선형적인 관계를 밝혀낼 수 있습니다. 둘째, 재료 과학, 물리학, 화학의 알려진 과학적 지식이 모델에 통합되어 예측력이 향상되고 목표 특성을 충족할 수 있는 새로운 합금 조성을 식별할 수 있습니다.
또한, MatterMind™에는 고급 다목적 최적화 알고리즘이 결합되어 있습니다.다양한 속성 간의 최적의 균형을 찾으세요. 예를 들어, 합금은 가볍고, 강도가 높고, 연성이 최소화되어야 하며, 염화물 부식에 강하고, 용접이 가능해야 합니다. 기존 방식으로는 이처럼 복잡한 특성 조합을 최적화하는 데 어려움이 있었지만, AI 모델은 데이터에서 학습한 패턴을 사용하여 여러 설계 목표의 균형을 맞춰 특정 산업적 요구 사항을 충족하는 고성능 소재를 개발할 수 있습니다.
결정적인,MatterMind™를 사용하면 광범위한 실제 실험을 수행하지 않고도 잠재적인 합금 구성의 최적화된 세트를 설계할 수 있습니다.그런 다음 시뮬레이션 및 평가를 위해 Cascade™ 플랫폼으로 전송되고, MatterMind™는 시뮬레이션 결과를 기반으로 지속적으로 최적화되고 반복됩니다.
Cascade™: 가상 환경에서 잠재적 합금을 완전히 평가하기 위한 다중 규모 시뮬레이션
Cascade™는 나노스케일, 마이크로스케일, 메조스케일, 매크로스케일에서 다중 스케일 시뮬레이션을 수행할 수 있습니다.이를 통해 미세 구조적 특징(입자 크기, 상 분포, 결함 등)이 합금의 전반적인 성능에 어떤 영향을 미치는지 정확하게 모델링하여 잠재적 합금에 대한 사전 평가가 가능하고 가장 유망한 합금을 제조 단계에 진입시킬 수 있습니다.
* 나노스케일: 밀도 함수 이론(DFT)을 사용하여 다양한 합금 원소의 원자 간 상호 작용을 예측합니다.
* 미세 규모: 미세 구조 진화를 시뮬레이션하고 결정립 구조와 결정립 경계 거동을 예측합니다.
* 중규모: 외부 조건에 대한 재료의 반응을 모델링합니다.
* 거시적 규모: 다양한 제조 공정(예: 주조, 적층 제조)에서 재료의 기계적 특성과 성능을 시뮬레이션합니다.
이러한 시뮬레이션을 통해 수백 개, 심지어 수천 개의 잠재적 합금을 가상 환경에서 빠르게 평가할 수 있습니다.사용자의 디자인 요구 사항과 비교해보세요. 실제 샘플을 제작하거나 실험실에서 반복적인 실험을 수행할 필요가 없습니다. 이러한 가상 평가 방법은 비용이 저렴하고 빠르며, 필요한 재료 특성을 정확하게 일치시킬 수 있어 연구 개발의 성공률을 향상시킵니다.
사용자 요구에 맞춰 다중 타겟 속성 소재를 맞춤화하고 3D 프린팅에 적합한 합금을 개발합니다.
Phaseshift 관계자에 따르면,이러한 접근 방식은 적층 제조(3D 프린팅) 공정에 적합한 소재를 개발하는 데 사용될 수 있습니다.
적층 제조(3D 프린팅)는 주로 원자재를 층층이 쌓아 3차원 물체를 만드는 방식입니다. 현재, 금속 적층 제조 기술을 이용해 제조된 금속 부품은 항공우주, 의료장비, 자동차 제조 등의 분야에서 성공적으로 활용되고 있습니다. 그러나 이 공정의 개발은 여전히 재료 호환성으로 인해 제한적입니다. 3D 프린팅에 사용할 수 있는 합금 유형이 제한되어 있어 공정의 광범위한 적용과 최종 부품의 성능에 영향을 미칩니다.
예를 들어, 가장 일반적인 금속 3D 프린팅 공정인 레이저 파우더 베드 퓨전(LPBF)은 티타늄, 구리, 니켈 합금에만 적용 가능하며 제조 과정에서 수축과 불균일한 용융이 발생하기 쉽습니다. 멀티 레이저 LPBF는 생산 효율성을 향상시키지만, 재료 과열의 위험도 증가합니다. 선택적 레이저 소결(SLS) 및 전자빔 용융(EBM)과 같은 다른 금속 적층 제조 공정도 재료 특성에 따라 제한을 받으며 열 팽창, 용융 온도, 부품 밀도 등 여러 목표 요구 사항을 충족할 수 없습니다.
Phaseshift는 AM용 합금을 최적화하도록 특별히 설계된 맞춤형 R&D 프로세스를 보유하고 있으며, 다양한 구성 비율을 가진 재료를 모델링하고 AM 환경에서의 성능을 분석하여 최적의 적합성을 보장하는 데 중점을 두고 있습니다.
“항공우주 부품의 강도를 강화하든, 자동차 시스템의 열전도도를 개선하든, 에너지 인프라의 내식성을 강화하든, 의료 기기를 생체적합성으로 만들든,우리는 모두 더욱 지속 가능한 재료 솔루션을 위해 맞춤형 합금을 제공할 수 있습니다."라고 Phaseshift가 말했습니다.
재료 과학은 더욱 효율적이고 지능적인 시대로 나아가고 있습니다.
중국 샤먼대학교 재료과학공학과의 정쉬안 교수는 "계산재료과학의 미래는 인공지능의 발전에 달려 있다"고 지적한 바 있다. "AI를 소재 설계 및 스크리닝에 어떻게 통합할 수 있는지, 그리고 목표 기능에 기반한 소재 구조를 어떻게 정확하게 설계할 수 있는지에 특히 주목해야 한다."
요즘에는 재료과학 분야에도 AI가 점차 적용되고 있습니다. 맞춤형 의료용 임플란트와 스마트 보철물부터 새로운 내열 소재, 고급 촉매, 분해성 플라스틱의 개발까지 AI는 다양한 산업에서 제품 혁신을 가속화하고 있습니다.점점 더 많은 기술 회사들이 소재 개발에 있어 AI가 지닌 엄청난 잠재력을 인식하고 있습니다.
예를 들어, Meta는 한때 OMat24 데이터 세트를 출시했습니다.이 데이터 세트에는 구조적, 구성적 다양성에 초점을 맞춘 1억 1천만 개 이상의 구조 밀도 함수 이론(DFT) 계산이 포함되어 있어 이 분야에서 공개적으로 사용 가능한 데이터 세트 중 가장 큰 규모입니다. Meta는 OMat24를 기반으로 EquiformerV2 모델을 출시했습니다. 이 모델은 재료의 기저 상태 안정성과 형성 에너지를 정확하게 예측할 수 있으며, Matbench Discovery 순위 목록에서 최고의 성능을 달성했습니다.
* OMat24 데이터 세트 다운로드 주소:
또한, 구글 딥마인드도 소재 개발에 AI를 적용하는 방안을 모색하고 있습니다.심층 학습 모델인 GNoME은 220만 개의 새로운 무기 재료 결정 구조를 발견했으며, 그 중 38만 개가 안정적이라고 발표했습니다. 이는 실험적으로 합성되어 실용화될 가능성이 가장 높은 잠재적 신소재로, 재료 연구의 진전을 크게 촉진했습니다.
Microsoft는 재료 역설계를 위한 생성적 AI 모델인 MatterGen을 출시했습니다.특정 요구에 따라 새로운 재료 구조를 직접 설계하는 능력. 예를 들어, 다중 속성 자성 재료를 설계할 때 모델은 높은 자기 밀도와 낮은 공급망 위험을 지닌 화학 조성을 갖는 구조를 제안할 수 있습니다. 또한 MatterGen에는 화학적 특성, 대칭성, 재료 특성 등의 제약 조건에 따라 미세 조정할 수 있는 여러 개의 조절 가능한 모듈이 장착되어 있어 특정 자기적, 전자적 또는 기계적 특성을 충족하는 재료를 생성할 수 있습니다.
HyperAI는 공식 웹사이트에 "MatterGen 무기 물질 설계 모델 데모" 튜토리얼을 출시했습니다. 튜토리얼 주소는 다음과 같습니다.
요약하자면, 이들 기업은 재료화학 분야에서 AI의 다양한 진입점을 보여주고, 대규모 재료 발견에서 "주문형 설계"로의 새로운 기술적 도약을 보여줍니다. AI 모델이 계속 발전함에 따라 재료 과학은 더욱 효율적이고 지능적인 시대로 나아가고 있습니다.
참고문헌:
1.https://phaseshift.ai/
2.https://blog.csdn.net/a13981820402/article/details/140632362
3.https://www.sohu.com/a/140409967_488176
4.https://www.ccf.org.cn/YOCSEF/Branc