Intelligent Materials Design Laboratory
신소재공학부 금속시스템공학전공 이석재
지능형재료설계연구실(IMDL)은 전북대학교 신소재공학부(금속시스템공학) 소속으로, 금속재료 분야의 첨단 연구를 선도하고 있습니다. 본 연구실은 철강, 알루미늄 합금, 니켈 합금 등 다양한 금속 소재의 설계, 제조, 가공, 평가에 이르는 전 주기적 연구를 수행하며, 전통적인 주조, 단조, 압연 공정뿐만 아니라 적층 제조, 합금 분말 기반 신소재 개발 등 미래 지향적 기술에도 집중하고 있습니다.
연구실의 핵심 역량은 물리야금, 열역학, 상변태 이론을 바탕으로 한 미세조직 분석과 기계적 물성 예측에 있습니다. OM, FE-SEM, EBSD, TEM, XRD, 3D 스캐닝 등 첨단 실험 분석 장비를 활용하여 미세조직의 정밀한 관찰과 특성 평가를 수행하며, 이를 통해 재료의 성능 향상과 신뢰성 확보에 기여하고 있습니다. 또한, 다양한 합금 설계와 공정 조건에 따른 미세조직 및 물성 변화의 메커니즘을 규명하고, 최적의 공정 조건을 도출하는 연구를 지속적으로 진행하고 있습니다.
최근에는 인공지능(AI), 빅데이터, 머신러닝 등 데이터 기반 첨단 기술을 금속재료 연구에 적극적으로 도입하고 있습니다. 열역학 계산, 석출물 거동 시뮬레이션, 유한요소해석, 상변태 모델 개발 등 소프트웨어 기반의 시뮬레이션과 데이터 분석을 통해, 신속하고 정밀한 재료 설계 및 공정 최적화가 가능하도록 연구 역량을 강화하고 있습니다. 특히, 설명가능한 인공지능(XAI)을 활용한 물성 예측, 이미지 분석을 통한 결함 검출 등 산업 현장에 직접 적용 가능한 연구도 활발히 이루어지고 있습니다.
IMDL은 다양한 정부 및 기업 프로젝트를 수행하며, 실제 산업에 적용되는 소재 및 부품 연구에 역량을 집중하고 있습니다. 교원창업기업 포스(POS)와의 협력, 산학협력 프로젝트, 기술이전 등 실용화 및 사업화 경험도 풍부합니다. 이러한 산학연 협력 네트워크를 바탕으로, 연구실의 기술이 실제 산업 혁신에 기여하고 있습니다.
연구실은 국내외 학술지 논문 발표, 학술대회 참가, 특허 출원, 각종 수상 등 활발한 연구성과를 내고 있으며, 우수한 석박사급 인재 양성에도 힘쓰고 있습니다. 앞으로도 IMDL은 금속 소재 산업의 미래를 이끌어갈 창의적이고 실용적인 연구를 지속하며, 대한민국 신소재공학 분야의 발전에 기여할 것입니다.
High-Precision Gear Design
AI in Material Science
Advanced Alloys
지능형 금속재료 설계 및 최적화
지능형재료설계연구실(IMDL)은 철강, 알루미늄 합금, 니켈 합금 등 다양한 금속 재료의 설계와 최적화에 중점을 두고 있습니다. 연구실은 전통적인 주조, 단조, 압연 등 금속 가공 공정뿐만 아니라, 적층 제조 및 합금 분말을 활용한 첨단 제조기술까지 폭넓게 다루고 있습니다. 이러한 다양한 금속 소재의 개발과 가공 기술은 자동차, 항공, 에너지, 전자 등 다양한 산업 분야에서 요구되는 고성능, 경량화, 내식성, 내열성 등 특수한 물성을 구현하는 데 필수적입니다.
연구실은 물리야금, 열역학, 상변태 이론을 기반으로 미세조직의 변화와 기계적 물성 간의 상관관계를 심도 있게 분석합니다. 이를 위해 OM, FE-SEM, EBSD, TEM, XRD, 3D 스캐닝 등 첨단 실험적 분석법을 적극적으로 활용하여, 미세조직 특성의 정밀한 관찰과 평가를 수행합니다. 또한, 다양한 합금 설계와 공정 조건에 따른 미세조직 및 물성 변화의 메커니즘을 규명하고, 이를 바탕으로 최적의 공정 조건을 도출하는 연구를 지속하고 있습니다.
최근에는 인공지능(AI)과 빅데이터 분석을 접목하여 금속재료의 설계와 물성 예측, 공정 최적화에 혁신을 더하고 있습니다. 열역학 계산, 석출물 거동 시뮬레이션, 유한요소해석, 상변태 모델 개발 등 다양한 소프트웨어 기반의 시뮬레이션과 데이터 분석 기법을 활용하여, 신속하고 정밀한 재료 개발 및 산업 적용이 가능하도록 연구 역량을 강화하고 있습니다.
인공지능 및 데이터 기반 금속재료 물성 예측과 공정 혁신
IMDL은 인공지능(AI), 머신러닝, 설명가능한 인공지능(XAI) 등 첨단 데이터 과학 기법을 금속재료 연구에 적극적으로 도입하고 있습니다. 다양한 합금계(철강, 알루미늄, 니켈 등)에 대해 방대한 실험 데이터와 시뮬레이션 데이터를 축적하고, 이를 기반으로 기계적 물성(강도, 경도, 연성 등) 및 상변태 온도, 석출 거동 등 핵심 특성의 예측 모델을 개발합니다. 특히, 마르텐사이트 변태 온도, 베이나이트 시작 온도, 결정립 성장 등 복잡한 현상을 AI 기반 모델로 정량적으로 예측하고, 주요 인자와 메커니즘을 설명하는 연구를 선도하고 있습니다.
이러한 데이터 기반 연구는 기존의 경험적 접근 방식에서 벗어나, 신속하고 정확한 재료 설계 및 공정 최적화를 가능하게 합니다. 예를 들어, 합금 조성 및 공정 변수에 따른 물성 변화 예측, 최적화 알고리즘을 통한 신합금 설계, FEM(유한요소해석)과 AI의 융합을 통한 열처리 및 변형 시뮬레이션 등 다양한 응용 연구가 활발히 이루어지고 있습니다. 또한, 실제 산업 현장에서 발생하는 문제(예: 크랙 발생 원인 분석, 용접 결함 검출 등)에 대해 이미지 분석, 딥러닝(CNN) 등 최신 AI 기술을 적용하여 실질적인 해결책을 제시하고 있습니다.
연구실은 정부 및 기업 프로젝트를 통해 산업 현장과의 연계를 강화하고, 교원창업기업 포스(POS)와의 협력을 통해 기술의 실용화와 사업화에도 앞장서고 있습니다. 이러한 산학협력 및 기술이전 경험은 연구실의 데이터 기반 금속재료 연구가 실제 산업 혁신에 기여하고 있음을 보여줍니다.
1
The effect of aluminum powder size on the structure and mechanical properties of foam
S. Choi, S. Kim, T.Y. Ahn, Y.S. Choi, J.G. Jung, S.B. Son, S.J. Lee
J. Powder Mater., 2025
2
Microstructural evolution and mechanical properties of bulk and powder metallurgy AA 7050 alloy after retrogression and re-aging heat treatment
J. Lee, S. Park, J.G. Jung, S.B. Son, S.J. Lee
Powder Metall., 2025
3
Precipitation behavior and mechanical property anisotropy of Al–Zn–Mg–Cu alloy forgings
S.H. Lee, J.H. Shin, S.J. Lee, J.G. Jung
Mater. Sci. Eng. A, 2025