RnDCircle Logo
arrow left icon

송재준 연구실

서울대학교 에너지자원공학과

송재준 교수

송재준 연구실

에너지자원공학과 송재준

송재준 연구실은 암석역학 및 암반공학 분야에서 국내외적으로 선도적인 연구를 수행하고 있습니다. 본 연구실은 암반 내 불연속면의 기하학적 특성과 역학적 거동을 정량적으로 해석하는 데 중점을 두고 있으며, 이를 위해 통계적 모델링, 수치해석, 실험적 기법 등 다양한 접근법을 통합적으로 활용합니다. 특히, 터널, 광산, 사면 등 지하 구조물의 안정성 평가와 붕락, 낙석, 변형 등 다양한 현상에 대한 예측 및 해석 기술을 개발하고 있습니다. 최근에는 3D프린팅 기술을 활용한 암석 시료 제작 및 실험 연구에 집중하고 있습니다. 3D프린팅을 통해 다양한 내부 결함과 미세구조를 가진 암석 시료를 정밀하게 제작함으로써, 기존의 자연 암석 실험에서 한계로 지적되던 재현성과 정밀도를 극복하고 있습니다. 또한, X-ray CT, 디지털 이미지 코릴레이션(DIC) 등 첨단 계측기술을 활용하여 암석의 균열 발생, 파괴 메커니즘, 미세구조 변화 등을 다각적으로 분석하고 있습니다. 본 연구실은 인공지능 및 딥러닝 기술을 접목한 암반 특성 분석 연구도 활발히 수행하고 있습니다. 합성곱 신경망(CNN) 등 최신 딥러닝 모델을 적용하여 암반 균열의 위치, 유형, 기하학적 파라미터를 자동으로 추출하고, 이를 통해 암반의 역학적 특성 및 안정성 평가의 정확도를 크게 향상시키고 있습니다. 이러한 연구는 광산, 터널, 지하공간 등 다양한 현장에서의 실시간 모니터링 및 위험 예측에 활용될 수 있습니다. 이외에도, 본 연구실은 CO2 지중저장, 극지 암석의 풍화, 워터젯을 이용한 친환경 해체, 드론 기반 입체사진측량 등 다양한 융합 연구를 수행하고 있습니다. 이러한 연구들은 에너지 저장, 자원개발, 환경보호 등 국가적·산업적 현안 해결에 기여하고 있습니다. 송재준 연구실은 암반공학의 이론적 기반과 첨단 실험·분석기술을 융합하여, 미래 지하 인프라 개발과 자원개발 분야에서 혁신적인 해법을 제시하고 있습니다. 앞으로도 암반공학의 새로운 패러다임을 선도하며, 국내외 학계 및 산업계와의 협력을 통해 지속적으로 연구영역을 확장해 나갈 것입니다.

암석역학 및 불연속면 거동 해석
암석역학은 암반 내에서 발생하는 다양한 역학적 현상과 암반 구조물의 안정성을 해석하는 학문입니다. 본 연구실은 암반 내 불연속면(절리, 단층 등)의 기하학적 특성과 역학적 거동을 정량적으로 분석하는 데 중점을 두고 있습니다. 이를 위해 통계적 절리 모델링, 블록 이론, 수치해석(FEM, DEM 등) 및 실험적 기법을 활용하여 암반 구조물의 안정성 평가와 붕락, 낙석, 변형 등 다양한 현상을 예측합니다. 특히, 다양한 형태의 불연속면이 존재하는 암반에서의 터널, 광산, 사면 등 지하 구조물의 안정성 해석을 위해 3차원 불연속변형해석 기법과 접촉 알고리즘, 블록 안정성 해석 프로그램 등을 개발 및 적용하고 있습니다. 또한, 암반 내 불연속면의 크기, 방향, 밀도, 거칠기 등 주요 파라미터를 현장 조사 및 실내 실험을 통해 정량화하고, 이 데이터를 기반으로 실제 현장에 적용 가능한 해석 모델을 구축합니다. 이러한 연구는 지하 공간의 안전한 활용, 대규모 에너지 저장시설, 광산 개발, 터널 시공 등 다양한 산업 분야에서 필수적인 기반 기술로 활용되고 있습니다. 암반공학의 최신 동향을 반영하여 자동화, 정량화, 인공지능 기반 분석 등 첨단 기법을 접목함으로써 미래 지하 인프라 개발의 신뢰성과 효율성을 높이고 있습니다.
3D프린팅 및 인공지능 기반 암반 물성 및 균열 분석
본 연구실은 3D프린팅 기술을 활용하여 암반의 구조적 특성과 역학적 거동을 실험적으로 모사하는 연구를 선도하고 있습니다. 3D프린팅을 이용해 다양한 내부 결함, 불연속면, 조성 및 미세구조를 가진 암석 시료를 정밀하게 제작함으로써, 기존의 자연 암석 실험에서 한계로 지적되던 재현성과 정밀도를 극복하고 있습니다. 이를 통해 암석의 균열 발생, 파괴 메커니즘, 미세구조 변화 등을 X-ray CT, 디지털 이미지 코릴레이션(DIC) 등 첨단 계측기술과 연계하여 다각적으로 분석합니다. 또한, 인공지능 및 딥러닝 기술을 접목하여 암반의 균열 자동 검출, 시추공 영상 분석, 암반 이미지 분할 등 데이터 기반의 암반 특성 분석 연구를 활발히 수행하고 있습니다. 합성곱 신경망(CNN) 등 최신 딥러닝 모델을 적용하여 암반 균열의 위치, 유형, 기하학적 파라미터를 자동으로 추출하고, 이를 통해 암반의 역학적 특성 및 안정성 평가의 정확도를 크게 향상시키고 있습니다. 이러한 연구는 광산, 터널, 지하공간 등 다양한 현장에서의 실시간 모니터링 및 위험 예측에 활용될 수 있습니다. 3D프린팅과 인공지능 기반 분석은 암반공학의 실험적·계산적 한계를 극복하고, 미래 지하 인프라 개발 및 자원개발 분야에서 혁신적인 해법을 제시합니다. 본 연구실은 이러한 첨단 융합기술을 바탕으로 암반의 물성 평가, 파괴 거동 예측, 구조물 설계 최적화 등 다양한 응용 연구를 지속적으로 확장하고 있습니다.
1
Microscopic Analysis of the Cracking Mechanism and Pore Evolution of 3D-Printed Rocklike Samples under Uniaxial Compression Using In Situ X-Ray Tomography
송재준, Shao Yulong, Yang Jingwei, Kim Jineon, Yin Hong
JOURNAL OF MATERIALS IN CIVIL ENGINEERING, 202412
2
Experimental investigation of the coupled effects of bedding planes and flaws on fracture evolution of soft bedded rocks based on 3D printing and DIC technologies
송재준, Shao Yulong, Kim Jineon, He Chen, Yin Hong, Mehrishal Seyedahmad, Yao Chi
THEORETICAL AND APPLIED FRACTURE MECHANICS, 202410
3
Quantitative Analysis and 3D Visualization of Crack Behavior in 3D-Printed Rock-Like Specimens with Single Flaw Using In-Situ Micro-CT Imaging
송재준, Shao Yulong, Yang Jingwei, Kim Jineon, Mehrishal Seyedahmad
ROCK MECHANICS AND ROCK ENGINEERING, 202409
1
불연속 암반 터널의 최적 설계를 위한 불연속면의 강도와 3차원 불연속변형해석 기법의 개발
건설교통부
1970년 ~ 1970년
2
암반 불연속면의 크기 추정방법 개발
학술진흥재단
2004년 07월 ~ 2005년 06월
3
절취사면에 대한 DB 구축 및 붕괴 예측기법 개발
과학기술부
1970년 ~ 1970년