• 다목적 베이지안 최적화(MBO)를 사용하여 음(negative) 포아송비(NPR)와 저주기 피로(LCF) 수명을 향상시켰다. • 베지에 곡선 기반 설계, 탄소성( elastoplastic ) 균질화, 임계거리 이론이 정밀한 오그제틱(auxetic) 메타물질 개발을 가능하게 했다. • 실험적 검증을 통해 최적화된 설계의 신뢰성이 확인되었으며, 기계적 성능이 향상되었다. • 에너지 수확 효율이 유의미하게 개선되어 다양한 응용 가능성을 보여주었다. • 제안된 데이터 기반 프레임워크는 오그제틱 메타물질 최적화에 적용 가능하며, 확장성(scalability) 잠재력을 지닌다. 음의 포아송비(NPR)를 갖는 오그제틱 메타물질(AM)은 유망한 기계적 특성을 제공하지만, 종종 심각한 응력 집중을 동반하여 내구성과 피로 수명을 저하시킨다. 위상 최적화와 같은 기존 설계 접근법과 경험적 기하 기반 방법은 복잡한 설계 공간을 탐색하는 데 어려움이 있으며, 데이터 기반 기법은 방대한 데이터셋을 요구하여 피로 수명 예측을 위한 계산 비용이 높아진다. 이러한 문제를 해결하기 위해, 본 연구는 베지에 곡선 기반 기하 파라미터화, 다목적 베이지안 최적화(MBO), 그리고 탄소성 균질화와 임계거리 이론을 통한 피로 수명 예측을 통합하는 새로운 프레임워크를 제안한다. 이 접근법은 설계 공간을 체계적으로 탐색하면서, 국소 응력 집중을 완화하는 동시에 NPR을 향상시키고 피로 내성을 최적화한다. MBO는 제한된 데이터로도 탐색과 활용을 효율적으로 균형 있게 조절하며, 특히 계산적으로 집약적인 피로 해석에 적합하다. 최적화된 AM 구조는 초기 설계에 비해 NPR이 85.11% 증가하고 저주기 피로(LCF) 수명이 12.07% 향상되는 결과를 보였다. 실험적 검증에서는 LCF 수명이 최대 30배, NPR은 기존 AM 구조 대비 2.5배 증가함이 확인되었다. 이러한 결과는 AM 설계를 위한 확장 가능한 방법론을 확립함으로써, 생의학, 항공우주, 에너지 수확 분야에서의 내구성 높은 고성능 메타물질 개발을 진전시킨다.

떠다니는 촉매 에어로졸 화학기상증착(carbon nanotubes) 탄소나노튜브로부터 업사이클링하여 탄소 층에 캡슐화된 대량의 금속 나노입자(NPs)를 얻는 데 효과적인 방법을 제시하였다. 합성된 탄소 혼합물로부터 지름이 20 μm 미만인 NP는 초음파 처리, 원심분리 및 여과를 통해 선택적으로 추출된다. 이 입자들은 철 탄화물(iron carbides) 주변을 둘러싼 흑연화 탄소 껍질 사이의 π–π 상호작용으로 인해 응집 거동을 보인다. 응집의 정도와 배열을 조절함으로써 페로브스카이트 태양전지에서 갭-표면 플라즈몬 효과에 의한 광 산란이 최대화된다. NP를 소자에 적용한 결과, 전력변환효율은 19.71%에서 21.15%로 증가하였다. 입자 응집 시간에 따른 단락전류 밀도( J SC )의 경향이 플라즈모닉 효과를 설명한다. 소자는 캡슐화 덕분에 금속 이온의 이동이 일어나지 않았음을 확인하며, 대조 소자와 유사한 높은 안정성을 나타낸다. image

적층 지향 에너지 증착(Directed energy deposition)에서 핵심 과제는 공정 최적화를 통해 높은 표면 품질을 확보하는 것이며, 이는 제작 부품의 기계적 특성에 직접적인 영향을 미친다. 그러나 Ti-6Al-4V와 같은 고가 소재의 경우, 양호한 표면 품질을 얻기 위해 공정 파라미터를 최적화하는 데 필요한 비용과 시간이 지나치게 클 수 있다. 이러한 어려움을 완화하기 위해, 주어진 공정 파라미터로부터 Ti-6Al-4V 부품의 가상 표면 형상을 생성하는 인공지능 기반의 새로운 방법을 제안한다. 고해상도 표면 형상 이미지 생성 시스템은 조건부 생성적 적대 신경망(conditional generative adversarial networks)을 최적화하여 개발하였다. 개발된 가상 표면은 실험 사례와 잘 일치하였으며, Frechet inception distance 점수는 174로 정확한 매칭 범위 내에 있었다. 인공지능의 안내에 따라 제작된 부품에 대한 미세조직 분석에서는 표면에서 텍스처화된 미세조직 거동이 더 적게 관찰되어 주상(columnar) 구조에서의 이방성이 감소하였다. 가상 표면 형상에 대한 이러한 인공지능의 안내는 비용 효율적으로 고품질 부품을 얻는 데 도움이 될 수 있다.

본 연구는 고강도 마르텐사이트강에서 템퍼링이 복잡한 세부구조 및 응력부식균열(stress corrosion cracking, SCC) 저항성에 미치는 원자 수준의 영향을 규명하는 것을 목적으로 한다. 붕소가 도핑된 Fe-0.3C-0.3Si-1.0Mn-1.0Ni-0.5Cr(wt%) 마르텐사이트강에서 SCC 저항성과 강도는 저온 템퍼링을 하지 않는 조건에서는 동시에 증가한다. 특히 템퍼링에 의해 SCC 저항성이 저하되는 현상은 기존에 알려진 효과와는 반대이다. 이러한 예기치 않은 결과를 규명하기 위해, 원자-나노-마이크로 스케일 분석을 통해 마르텐사이트 미세조직 내부의 아세립계(subboundaries)를 조사한다. 템퍼링 동안 래스(lath) 경계에서 강하게 편석된 탄소는 해로운 시멘타이트(cementite)의 전구체이며, 이는 심각한 SCC 개시 부위로 작용한다. 결국 균열이 래스 경계를 따라 집중적으로 성장하여 재료의 SCC 저항성을 악화시킨다.

3D 프린팅 정형외과 임플란트는 골종양 치료를 위한 혁신적인 해결책으로 부상하였으며, 기존 제조 방식에 비해 환자 맞춤형 커스터마이징과 더 빠른 제작이라는 장점을 제공한다. 그러나 3D 프린팅 Ti6Al4V 임플란트를 이용한 사지 보존 수술 이후 혈중에서 티타늄(Ti) 이온의 농도가 높게 관찰되는 경우가 빈번하며, 이는 전신 독성 및 중대한 임플란트 실패로 이어질 수 있다. 본 연구에서는 3D 프린팅 임플란트와 관련된 Ti 용출 현상을 규명하고자 하였다. 전장(全長) 스케일의 골반 및 경골 임플란트에 대한 유한요소해석(FEA) 결과, 임플란트-조직 통합을 위해 설계된 큰 메쉬(mesh) 표면적이 부식을 가속할 수 있음이 드러났다. 고체, 메쉬 및 고체-메쉬 하이브리드 형상을 갖는 정육면체 Ti6Al4V 시료의 미세조직 분석에서는, 알파(α) 상과 베타(β) 상 사이의 갈바닉 결합(galvanic coupling)이 국소 부식을 유발하는 핵심 요인임을 확인하였다. 세 경우 간 β상 함량은 145%에서 200%까지 범위 차이가 있었으며, 메쉬 구조에서 가장 높은 β상 함량이 관찰되었다. 이러한 결과는 메쉬 구조가 임플란트-조직 결합에 필수적이더라도, 시간이 지남에 따라 Ti 이온 방출을 크게 촉진하여 임플란트의 기계적 무결성을 잠재적으로 손상시킬 수 있음을 시사한다. 따라서 생물학적 통합과 장기적인 재료 안정성 사이의 균형을 맞추기 위해 신중한 설계 및 표면 처리 전략이 필요하다.

복잡한 형상을 갖는 적층제조 Ti–6Al–4V 부품을 통상적으로 가공된 프레임에 확산 접합하는 방법은 변형을 최소화하면서 buy-to-fly 비율을 낮추는 비용 효율적인 접근법이다. 본 연구는 다양한 온도, 시간, 압력에서 레이저 파우더 베드 융합(LPBF)으로 제조된 Ti–6Al–4V 합금과 통상적으로 공정된 Ti–6Al–4V 합금 사이의 확산 접합을 조사한 최초의 연구이다. 본 연구에서는 단조, 압연 및 LPBF 제조 Ti–6Al–4V 합금을 특정 접합 조건에서 조사하였다: 접합 온도 900 °C, 접합 시간 1 및 2 h, 압력 2 및 4 MPa. 접합 시간이 길어질수록 LPBFed 재료에서 β 상의 조대화가 발생하고 두꺼워지며 연장된 α′ 래스가 형성되어 기계적 성질에 부정적인 영향을 미쳤다. 최적의 접합은 900 °C에서 2 h 동안 4 MPa의 조건으로 달성되었으며, 접합 비율은 97%를 초과하였다. LPBFed 재료는 통상 합금보다 높은 기공도를 보였고 이는 접합 강도를 약간 감소시켰으나, 미세경도 및 인장 시험 결과 접합 강도는 유사하게 나타났다. 다만 LPBFed 시편은 표면 기공도에 기인하여 연신율이 더 낮았다. 이러한 결과는 LPBFed 및 통상 Ti–6Al–4V 합금 간의 확산 접합이 재료 낭비를 줄이면서도 기계적 건전성을 유지할 수 있음을 시사하며, 이는 항공우주 부품 제조를 위한 실행 가능한 해결책이다.

본 연구는 가혹한 환경에 맞춤 설계된, 내식성이 향상된 새로 개발된 Ti계 비정질 합금을 소개한다. Ti 41.5 Zr 2.5 Hf 5 Cu 42.5 Ni 7.5 Si 1에서 Hf를 미시메탈(misch metal) 원소들(Ce 및 La)로 치환함으로써, 새 합금은 최대 초과냉각 액상선 구간(Δ T ) 35.75 °C 및 최고 엔탈피 변화(Δ H ) 135.19 J/g을 포함하여 우수한 유리 형성 능력을 보였다. 또한, 이 새 합금은 비정질 구조를 유지하면서 10% HCl 조건에서 기존 Ti 41.5 Zr 2.5 Hf 5 Cu 42.5 Ni 7.5 Si 1 대응 합금 대비 질량 손실을 200배까지 최소화하는 탁월한 내식성을 나타냈으며, 이는 통상적인 결정질 및 기타 비정질 Ti 합금보다 유의하게 우수한 성능이다. 더 높은 냉각 속도에서 제조된 더 작은 분말( <25 μm )은 비정질 구조를 유지했고 최적의 성능을 나타내어, 일관된 물성을 확보하는 데 있어 입자 크기의 중요성이 부각되었다. 이러한 결과는 내구성 및 제조용이성을 요구하는 첨단 응용 분야에 적합한 유망 소재로서 새 합금을 확립한다.

• 다목적 베이지안 최적화(MBO)를 사용하여 음(negative) 포아송비(NPR)와 저주기 피로(LCF) 수명을 향상시켰다. • 베지에 곡선 기반 설계, 탄소성( elastoplastic ) 균질화, 임계거리 이론이 정밀한 오그제틱(auxetic) 메타물질 개발을 가능하게 했다. • 실험적 검증을 통해 최적화된 설계의 신뢰성이 확인되었으며, 기계적 성능이 향상되었다. • 에너지 수확 효율이 유의미하게 개선되어 다양한 응용 가능성을 보여주었다. • 제안된 데이터 기반 프레임워크는 오그제틱 메타물질 최적화에 적용 가능하며, 확장성(scalability) 잠재력을 지닌다. 음의 포아송비(NPR)를 갖는 오그제틱 메타물질(AM)은 유망한 기계적 특성을 제공하지만, 종종 심각한 응력 집중을 동반하여 내구성과 피로 수명을 저하시킨다. 위상 최적화와 같은 기존 설계 접근법과 경험적 기하 기반 방법은 복잡한 설계 공간을 탐색하는 데 어려움이 있으며, 데이터 기반 기법은 방대한 데이터셋을 요구하여 피로 수명 예측을 위한 계산 비용이 높아진다. 이러한 문제를 해결하기 위해, 본 연구는 베지에 곡선 기반 기하 파라미터화, 다목적 베이지안 최적화(MBO), 그리고 탄소성 균질화와 임계거리 이론을 통한 피로 수명 예측을 통합하는 새로운 프레임워크를 제안한다. 이 접근법은 설계 공간을 체계적으로 탐색하면서, 국소 응력 집중을 완화하는 동시에 NPR을 향상시키고 피로 내성을 최적화한다. MBO는 제한된 데이터로도 탐색과 활용을 효율적으로 균형 있게 조절하며, 특히 계산적으로 집약적인 피로 해석에 적합하다. 최적화된 AM 구조는 초기 설계에 비해 NPR이 85.11% 증가하고 저주기 피로(LCF) 수명이 12.07% 향상되는 결과를 보였다. 실험적 검증에서는 LCF 수명이 최대 30배, NPR은 기존 AM 구조 대비 2.5배 증가함이 확인되었다. 이러한 결과는 AM 설계를 위한 확장 가능한 방법론을 확립함으로써, 생의학, 항공우주, 에너지 수확 분야에서의 내구성 높은 고성능 메타물질 개발을 진전시킨다.

떠다니는 촉매 에어로졸 화학기상증착(carbon nanotubes) 탄소나노튜브로부터 업사이클링하여 탄소 층에 캡슐화된 대량의 금속 나노입자(NPs)를 얻는 데 효과적인 방법을 제시하였다. 합성된 탄소 혼합물로부터 지름이 20 μm 미만인 NP는 초음파 처리, 원심분리 및 여과를 통해 선택적으로 추출된다. 이 입자들은 철 탄화물(iron carbides) 주변을 둘러싼 흑연화 탄소 껍질 사이의 π–π 상호작용으로 인해 응집 거동을 보인다. 응집의 정도와 배열을 조절함으로써 페로브스카이트 태양전지에서 갭-표면 플라즈몬 효과에 의한 광 산란이 최대화된다. NP를 소자에 적용한 결과, 전력변환효율은 19.71%에서 21.15%로 증가하였다. 입자 응집 시간에 따른 단락전류 밀도( J SC )의 경향이 플라즈모닉 효과를 설명한다. 소자는 캡슐화 덕분에 금속 이온의 이동이 일어나지 않았음을 확인하며, 대조 소자와 유사한 높은 안정성을 나타낸다. image

적층 지향 에너지 증착(Directed energy deposition)에서 핵심 과제는 공정 최적화를 통해 높은 표면 품질을 확보하는 것이며, 이는 제작 부품의 기계적 특성에 직접적인 영향을 미친다. 그러나 Ti-6Al-4V와 같은 고가 소재의 경우, 양호한 표면 품질을 얻기 위해 공정 파라미터를 최적화하는 데 필요한 비용과 시간이 지나치게 클 수 있다. 이러한 어려움을 완화하기 위해, 주어진 공정 파라미터로부터 Ti-6Al-4V 부품의 가상 표면 형상을 생성하는 인공지능 기반의 새로운 방법을 제안한다. 고해상도 표면 형상 이미지 생성 시스템은 조건부 생성적 적대 신경망(conditional generative adversarial networks)을 최적화하여 개발하였다. 개발된 가상 표면은 실험 사례와 잘 일치하였으며, Frechet inception distance 점수는 174로 정확한 매칭 범위 내에 있었다. 인공지능의 안내에 따라 제작된 부품에 대한 미세조직 분석에서는 표면에서 텍스처화된 미세조직 거동이 더 적게 관찰되어 주상(columnar) 구조에서의 이방성이 감소하였다. 가상 표면 형상에 대한 이러한 인공지능의 안내는 비용 효율적으로 고품질 부품을 얻는 데 도움이 될 수 있다.