지능형 설계 및 제조 연구실
기계공학과 유승화
AiM⁴ Lab(지능형 설계 및 제조 연구실)은 인공지능(AI)과 물리 기반 모델링, 그리고 실험·시뮬레이션 데이터를 융합하여 기계공학, 재료공학, 제조공학 분야의 혁신을 추구하는 KAIST 기계공학과 소속 연구실입니다. 본 연구실은 데이터 효율적이고 직관적인 공학 시스템 개발을 목표로, 제조, 모빌리티, 전자, 에너지 등 다양한 산업 분야의 실제 문제를 해결하는 데 집중하고 있습니다.
핵심 연구 분야는 크게 세 가지로 나눌 수 있습니다. 첫째, 고도화된 고체역학 및 다물리 연성 현상에 대한 이론적·계산적 모델링을 통해, 나노구조 및 복합재의 거동을 원자·마이크로·매크로 스케일에서 정밀하게 해석합니다. 둘째, 인공지능과 시뮬레이션·실험 데이터를 통합하여, 설계 및 공정 최적화 문제를 데이터 효율적으로 해결하는 기술을 개발합니다. 특히 Physics-Informed Machine Learning(PIML)과 같은 물리지식 기반 AI를 활용하여, 데이터가 부족한 환경에서도 높은 예측 성능과 외삽 능력을 확보하고 있습니다.
셋째, 대규모 언어모델(LLM)과 멀티에이전트 시스템을 활용한 인간-인공지능 인터페이스 연구를 통해, 도메인 전문가가 자연어로 AI와 소통하며 설계·제조 문제를 해결할 수 있는 혁신적 플랫폼을 구축하고 있습니다. 이러한 플랫폼은 실제 제조 현장에 적용되어 생산성 향상과 품질 개선, 신속한 의사결정 지원 등 다양한 효과를 창출하고 있습니다.
AiM⁴ Lab은 PRISM-AI 센터와의 대규모 산학협력을 통해, AI 기반 제조 혁신 생태계 조성에도 앞장서고 있습니다. 세계적 수준의 박사후연구원(Postdoc)과 InnoCORE 펠로우들이 실제 산업 현장과 연계된 AI 제조 프로젝트를 주도하며, 차세대 스마트 제조 인재 양성에도 기여하고 있습니다.
앞으로도 AiM⁴ Lab은 물리 기반 AI, 데이터 효율적 설계 최적화, 인간 중심의 AI 인터페이스 등 다양한 융합 연구를 통해, 미래 제조·설계 산업의 패러다임 전환과 지속가능한 혁신을 선도할 것입니다.
AI-based Material Modeling
Bio-signal Monitoring
Multiscale Mechanics
물리지식 기반 인공지능(Physics-Informed Machine Learning, PIML)과 데이터 효율적 설계 최적화
AiM⁴ Lab은 물리지식 기반 인공지능(Physics-Informed Machine Learning, PIML)을 활용하여 데이터가 부족한 환경에서도 높은 예측 정확도와 외삽 성능을 확보하는 연구를 선도하고 있습니다. 기존의 순수 데이터 기반 AI 모델은 실제 제조 및 설계 현장에서 데이터가 부족하거나, 실험 및 시뮬레이션 비용이 높은 경우 한계가 명확했습니다. 이에 본 연구실은 물리 법칙을 학습 과정에 내재화하여, 적은 데이터로도 신뢰성 높은 모델을 구축하고, 실제 제조 공정(예: 사출성형, 원자로 운전 등)에 적용 가능한 솔루션을 개발하고 있습니다.
특히, PIML은 복잡한 다물리계 시스템(열, 구조, 유동 등)에서의 설계 최적화, 신소재 개발, 공정 제어 등 다양한 분야에 적용되고 있습니다. 예를 들어, 사출성형 공정의 최적화에서는 기존의 실험적 접근법 대신, 시뮬레이션 데이터와 물리 기반 AI를 결합하여 공정 조건을 자동으로 도출하고, 제품 품질의 일관성을 높이고 있습니다. 또한, 원자력 발전소의 운전 조건 최적화, 신소재의 기계적 특성 예측 등 실제 산업 현장에서의 활용 사례가 빠르게 늘고 있습니다.
이러한 연구는 단순히 예측 정확도를 높이는 데 그치지 않고, 실제 현장에서의 신뢰성, 해석 가능성, 그리고 전문가와의 협업을 통한 실질적 문제 해결에 중점을 두고 있습니다. 앞으로도 AiM⁴ Lab은 PIML을 기반으로 한 데이터 효율적 설계 및 최적화 기술을 고도화하여, 미래 제조·설계 산업의 혁신을 이끌어갈 것입니다.
대규모 언어모델(LLM) 및 멀티에이전트 시스템을 활용한 인간-인공지능 인터페이스와 제조 혁신
AiM⁴ Lab은 대규모 언어모델(LLM, Large Language Model)과 멀티에이전트 시스템을 결합하여, 도메인 전문가가 인공지능과 자연어로 소통하며 설계·제조 문제를 해결할 수 있는 혁신적 플랫폼을 개발하고 있습니다. 기존의 AI 기반 설계 및 제조 시스템은 전문적인 프로그래밍 지식이나 복잡한 인터페이스가 요구되어, 실제 현장 전문가들이 쉽게 접근하기 어려웠습니다. 본 연구실은 LLM 기반의 자연어 인터페이스와 직관적인 GUI, 그리고 멀티에이전트 협업 시스템을 통해, 누구나 AI의 강력한 분석 및 최적화 능력을 실시간으로 활용할 수 있도록 지원합니다.
이러한 접근은 실제 제조 현장에서의 생산성 향상과 혁신을 이끌고 있습니다. 예를 들어, 사출성형, 반도체 공정, 선박 플레이트 가공 등 다양한 산업 분야에서 LLM 기반 플랫폼을 적용하여, 복잡한 설계 조건이나 공정 변수의 최적화를 자연어 명령만으로 수행할 수 있습니다. 또한, 멀티에이전트 시스템은 여러 AI 에이전트가 협업하여 문제를 분할·분석하고, 최적의 솔루션을 신속하게 도출함으로써, 기존의 단일 AI 모델 대비 높은 효율성과 유연성을 제공합니다.
이러한 인간-인공지능 인터페이스 연구는 단순한 자동화 수준을 넘어, 도메인 전문가의 직관과 경험을 AI와 융합하여, 창의적이고 혁신적인 설계·제조 프로세스를 구현하는 데 중점을 두고 있습니다. 앞으로도 AiM⁴ Lab은 LLM 및 멀티에이전트 기반의 인간 중심 AI 플랫폼을 고도화하여, 스마트 제조 및 차세대 공학 혁신을 선도할 것입니다.
1
Machine learning-based inverse design methods considering data characteristics and design space size in materials design and manufacturing: a review
Junhyeong Lee, Donggeun Park, Mingyu Lee, Hugon Lee, Kundo Park, Ikjin Lee, Seunghwa Ryu
Materials Horizons 10, 2023
2
Toward Knowledge-Guided AI for Inverse Design in Manufacturing: A Perspective on Domain, Physics, and Human-AI Synergy
Hugon Lee, Hyeongbin Moon, Junhyeong Lee, Seunghwa Ryu
, 1970
3
Physics-informed neural network framework for solving forward and inverse flexoelectric problems
Hyeonbin Moon, Donggeun Park, Jinwook Yeo, Seunghwa Ryu
, 1970
1
미래모빌리티를 위한 3D프린팅 복합재 최적설계기법 개발
2
머신러닝적용 재료모델링 및 설계최적화기술을 이용한 전기자동차용 플라스틱 테일게이트 개발
3
AI기반 배면가열선 자동 생성 알고리즘 개발 연구
