이 연구실의 핵심 축 가운데 하나는 소성가공, 생산공학, 연속체역학을 기반으로 한 제조공정의 정밀 해석과 공정 설계이다. 특히 금속 재료가 큰 변형을 겪는 과정에서 나타나는 비선형 거동, 응력 재분배, 손상 및 파괴의 발생 메커니즘을 체계적으로 규명하고, 이를 실제 산업 공정의 최적화로 연결하는 데 연구의 초점을 둔다. 연구실의 대표 키워드인 소성역학과 기계설계는 단순한 이론 연구에 머무르지 않고, 공정 중 발생하는 실제 문제를 해석 가능한 형태로 모델링하여 예측 정확도를 높이는 방향으로 발전하고 있다. 구체적으로는 초고강도강 자동차 부품 절단용 고속 충격 트리밍 프레스 개발, 판금 공정 지능화, 복합재료 부품의 구조-성능 연계 설계 등과 같은 프로젝트를 통해 고변형률 조건, 단열전단, 금형과 소재의 상호작용, 공정 중 열-기계 결합 현상을 분석한다. 이러한 연구는 유한요소해석(FEM), 구성방정식 모델링, 공정 데이터 기반 보정 기법을 결합해 수행되며, 공정 조건 변화에 따른 변형 집중, 균열 개시, 제품 형상 정밀도, 생산 안정성 등을 예측하는 데 활용된다. 또한 특허로 제시된 물성치 결정 장치 및 방법은 제조 중 비파괴적 신호를 이용해 재료 물성을 추정하는 방향으로 확장되어, 공정 모니터링과 품질 관리의 실용성을 높인다. 이러한 연구는 고강도·경량화 부품이 요구되는 자동차, 가전, 첨단 제조 산업 전반에 직접적인 파급효과를 가진다. 연구실은 소성가공 현상을 단순한 제조 기술이 아니라 재료, 구조, 공정, 설비가 동시에 얽힌 복합 시스템으로 바라보며, 이를 통해 고신뢰성·고생산성·고정밀 제조를 구현하고자 한다. 앞으로는 물리기반 해석과 실시간 센싱, 인공지능 기반 예측 기술을 더욱 통합함으로써 자율제조와 디지털 트윈형 생산 시스템으로 연구 범위를 확장할 가능성이 크다.

이 연구실은 차세대 반도체 패키지의 신뢰성 확보를 위한 열-기계 연계 해석과 구조 최적화 연구를 활발히 수행하고 있다. 반도체 패키징은 소형화, 고집적화, 고성능화가 동시에 요구되는 분야로, 미세 접합부에서 발생하는 열응력, 잔류변형, 계면 손상, 방열 문제를 정밀하게 다뤄야 한다. 연구실은 이러한 문제를 기계공학적 관점에서 접근하여, 패키지 구조와 재료의 물성을 통합적으로 고려한 다물리 해석 모델을 구축하고 실제 실험과 연계해 검증하는 데 강점을 보인다. 대표적으로 3D 패키지 배선을 위한 하이브리드 본딩 기술, 차세대 반도체 패키지 신뢰성 진단 및 방열성능 최적화 과제, Cu-Cu 직접 본딩 품질 분석 관련 국제학회 발표 등은 연구실의 전문성을 잘 보여준다. 이 과정에서 결정소성 기반 모델링, 계면 미세조직 분석, 열전달 네트워크 모델, 실험적 접합 품질 평가가 함께 활용된다. 특히 Cu-Cu bonding interface의 미세조직과 입계 접합 특성이 신뢰성에 미치는 영향을 분석하거나, 복잡한 패키징 패턴의 유효 열물성을 예측하는 연구는 첨단 패키징 공정의 실질적 문제 해결에 직접 연결된다. 이 연구는 고성능 컴퓨팅, 인공지능 반도체, 첨단 메모리 및 이종집적 소자 개발에 중요한 기반을 제공한다. 반도체 패키지의 성능 한계는 더 이상 전기적 연결성만으로 결정되지 않고, 열적 안정성 및 기계적 건전성이 동시에 확보되어야 하므로, 연구실의 열-기계 통합 접근은 산업적 수요와 매우 밀접하다. 향후에는 패키지 신뢰성 진단 자동화, 실시간 열-기계 상태 추정, 물리기반 인공지능을 이용한 설계 최적화로 이어지며, 반도체 후공정 전반의 디지털 전환을 견인하는 방향으로 발전할 것으로 보인다.

이 연구실의 또 다른 중요한 특징은 전자기, 열, 재료, 기계 거동을 통합적으로 다루는 다물리 시스템 설계와 이를 지능화하는 연구이다. 단일 물리 현상만으로는 설명하기 어려운 첨단 제조 및 장치 시스템에서는 상호 연동되는 거동을 동시에 고려해야 하며, 연구실은 이러한 복합 현상을 해석하고 설계하는 방법론을 발전시켜 왔다. 이는 기계공학의 전통적인 해석 기반 위에 전자기장, 열전달, 재료 비선형성, 손상역학을 결합하는 융합적 연구 방향이라 할 수 있다. 실제 연구 사례로는 초전도 양자컴퓨터 큐빗 구동시스템의 다물리역학 기반 분석기법 개발, 리튬이온전지의 dissipation analysis, 전기차 모터용 헤어핀 코일의 와전류 기반 모니터링, 물리기반 인공지능을 활용한 반도체 패키지 신뢰성 예측 등이 있다. 특히 연구실은 단순한 데이터 기반 예측을 넘어서, 재료 물성·에너지 관점·구성모델을 포함한 물리 정보를 AI와 결합하려는 방향을 보인다. 이는 제한된 실험 데이터 환경에서도 예측 신뢰도를 높이고, 외삽 가능성과 해석 가능성을 확보하는 데 큰 장점을 가진다. 이러한 연구는 스마트 팹, 자율제조, 첨단 에너지 시스템, 양자장치, 전자패키징 등 다양한 산업 분야로 확장 가능하다. 제조 현장에서 축적되는 센서 데이터와 물리 모델을 결합하면 공정 이상 감지, 품질 예측, 수명 평가, 설비 제어가 훨씬 정교해질 수 있으며, 연구실은 바로 이러한 연결점을 선도적으로 탐구하고 있다. 앞으로는 디지털 트윈, 실시간 상태 추정, 물성 데이터베이스 자동 갱신, 설명가능한 AI 설계 플랫폼으로 발전하면서 차세대 지능형 제조 시스템 구축에 핵심 역할을 수행할 것으로 기대된다.