정하영 연구실은 전통적인 계산역학 연구를 넘어 인공지능을 활용한 설계-제조 통합 플랫폼 구축에도 집중하고 있다. 진행 중인 대형 과제들에서는 자연어 명령 기반의 LLM 인터페이스를 통해 설계 조건 도출, 소재 추천, 공정 제어, 운영 판단을 연결하는 전주기 제조 자동화 시스템을 목표로 하고 있다. 이는 설계, 해석, 제조, 운영이 분절되어 있던 기존 산업 프로세스를 하나의 지능형 흐름으로 통합하려는 시도이며, 기계공학 분야에서 매우 선도적인 방향이다. 연구실은 물리 기반 인공신경망(PINN), 대리모델, 강화학습, 딥러닝 기반 형상 분류, 과학적 기계학습 등 다양한 AI 기법을 구조설계와 재료해석에 적용하고 있다. 액정의 상전이 거동 예측, 고세장 구조체의 불안정성 제어, 대형 탄소성 문제의 차원축소 기반 대리모델, 소음기 내부구조의 강화학습 기반 최적화 등은 연구실이 단순히 데이터를 분류하는 수준을 넘어서 물리 법칙과 공학 목적함수를 내재한 AI 모델을 개발하고 있음을 보여준다. 특히 물리 기반 모델과 데이터 기반 모델을 상보적으로 결합해 강건하면서도 계산 효율적인 설계 플랫폼을 만들고자 하는 점이 특징적이다. 이 연구 방향은 향후 자율 제조, 스마트팩토리, 첨단 적층제조, 유연 지능 구조체 설계에 직접적으로 연결된다. AI가 설계 탐색 속도를 높이고 복잡한 물리 현상을 근사하며 제조 제약을 동시에 반영하게 되면, 인간 전문가의 경험에 의존하던 고난도 설계가 보다 재현 가능하고 확장 가능한 공정으로 전환될 수 있다. 따라서 본 연구는 차세대 기계설계 패러다임을 데이터 중심·지능형 방식으로 전환하는 핵심 기반으로 평가할 수 있다.

연구실의 또 다른 중요한 연구 주제는 원자·분자 수준에서 출발해 연속체 구조 거동으로 연결되는 멀티스케일 기계설계 및 재료모사이다. 정하영 연구실은 나노입자의 소결 거동, 이종금속 코어-쉘 나노입자, 고체전해질 내부의 리튬 금속 핵생성, 반도체 패키징용 직접 접합 계면 등 미세구조가 성능을 지배하는 문제를 계산적으로 분석한다. 이러한 연구는 재료 내부 미세결함, 계면, 입계, 기공과 같은 요소가 기계적·열적·전기화학적 특성에 어떤 영향을 미치는지 규명하는 데 초점을 둔다. 대표 논문들에서는 분자동역학과 제1원리 계산을 활용하여 압력 보조 소결 과정에서 이종금속 나노입자의 결합 및 미세조직 변화를 추적하고, 고체전해질에서 기공 공간이 리튬 금속 핵생성에 미치는 영향을 분석하였다. 이는 배터리 안정성, 전자패키징 신뢰성, 고성능 나노복합재 개발과 직결되는 주제이다. 또한 복잡한 구조를 가진 고분자 나노복합재의 전기기계 특성을 딥러닝으로 평가한 연구는 멀티스케일 데이터와 기계학습을 접목해 재료 설계 효율을 높이는 방향을 보여준다. 이와 같은 멀티스케일 연구는 첨단 소재의 물성 예측과 설계 자동화를 동시에 가능하게 한다. 원자 수준에서 확인한 메커니즘을 상위 스케일 설계에 반영하면, 단순한 실험 반복 없이도 목표 성능을 가진 재료와 구조를 빠르게 탐색할 수 있다. 따라서 본 연구는 배터리, 반도체, 나노복합재, 고기능 에너지 소재 등 미래 산업에서 요구되는 고성능·고신뢰성 재료 개발의 기반을 제공하며, 재료과학과 기계공학을 잇는 융합형 연구로서 의미가 크다.

정하영 연구실의 핵심 축 가운데 하나는 계산역학 기반의 구조설계와 위상최적화이다. 연구실은 고전적인 유한요소해석을 넘어 대변형, 다중재료, 열-기계 연성, 응력 제약, 불연속 재료 거동 등 실제 공학 시스템에서 나타나는 복잡한 조건을 반영한 설계 프레임워크를 개발하고 있다. 특히 고성능 구조체의 경량화, 강건성 향상, 에너지 흡수 성능 증대와 같은 목표를 동시에 고려하는 다학제 최적설계 문제를 다루며, 구조와 재료의 배치를 정교하게 조절하는 방법론을 발전시키고 있다. 이 연구는 밀도 기반 위상최적화, 레벨셋 방법, 재료입자법(Material Point Method), 베이지안 최적화, Voronoi 기반 구조 설계 등 다양한 계산기법과 결합되어 수행된다. 학술발표 주제들에서 확인되듯이 대변형 복합재 구조체의 명시적 위상최적화, 열탄성 구조체의 비선형 설계, 병렬화 확장성을 고려한 대규모 위상최적화 구현 등은 연구실이 단순한 이론 개발을 넘어서 실제 계산 효율성과 구현 가능성까지 함께 추구하고 있음을 보여준다. 이러한 접근은 복잡한 설계공간을 체계적으로 탐색하고, 기존의 경험적 설계보다 훨씬 높은 성능의 구조를 제안하는 데 강점을 가진다. 향후 이 연구 방향은 적층제조, 에너지 소자, 소음기 설계, 경량 구조, 충격 흡수형 바이오모사 재료 등 다양한 응용 분야로 확장될 가능성이 크다. 특히 설계 단계에서 제조 제약과 재료 비등방성을 함께 고려하는 방식은 실제 산업 적용성을 크게 높인다. 따라서 이 연구는 기계공학적 구조설계의 정밀도와 자동화를 동시에 향상시키며, 차세대 디지털 엔지니어링과 자율 설계 플랫폼의 기반 기술로 기능할 수 있다.