이 연구실의 핵심 축 가운데 하나는 금속 및 무기재료에서 나타나는 상변태 현상을 열역학적으로 이해하고, 이를 전산적으로 정밀하게 예측하는 것이다. 상평형, 자유에너지, 확산, 석출, 질서-무질서 전이와 같은 현상은 재료의 미세조직과 최종 물성을 좌우하기 때문에, 합금 개발과 공정 설계의 출발점이 된다. 연구실은 이러한 현상을 단순 실험 해석에 머무르지 않고, 계산열역학과 미세조직 진화 모델을 결합해 정량적으로 설명하는 접근을 취한다. 구체적으로는 CALPHAD 기반 열역학 데이터 구축, phase-field 모델링, Monte Carlo 기법, 원자단위 시뮬레이션, 그리고 상변태 거동의 다중스케일 해석이 중요한 방법론으로 활용된다. 특히 합금 조성 변화에 따른 상안정성, 계면 이동, 석출물 성장, 결정립 및 조성 분포의 시간적 변화를 계산함으로써 실제 제조 공정 중 발생하는 조직 형성을 예측한다. 이러한 접근은 실험 비용과 시행착오를 크게 줄이면서도, 합금 설계의 방향성을 빠르게 제시할 수 있다는 장점이 있다. 이 연구는 철강, 고엔트로피·중엔트로피 합금, 내열합금, 적층제조용 합금분말 등 다양한 금속계 재료에 확장될 수 있으며, 극저온·고온과 같은 극한 환경에서 요구되는 성능 확보에도 직접 연결된다. 나아가 상변태 모델과 실험 데이터를 통합하면 새로운 소재 개발의 예측성과 재현성을 높일 수 있어, 차세대 구조재료 및 에너지·항공우주 소재 개발의 기반 기술로서 높은 파급효과를 가진다.

연구실은 초고강도, 고연성, 고인성, 내열성, 극저온 안정성 등 상충하기 쉬운 특성을 동시에 확보하기 위한 고성능 합금 설계를 중점적으로 수행한다. 특히 중엔트로피 합금과 고엔트로피 합금, 철강 및 초내열 비철합금에서 조성 설계와 상안정성 제어를 통해 기존 재료의 한계를 넘어서는 물성 조합을 구현하는 데 강점을 보인다. 이러한 연구는 구조재료의 강도-연성 상쇄관계를 완화하거나 극복하는 새로운 설계 전략을 제시한다. 핵심 연구 내용에는 마르에이징 효과, 동적 석출 변태, 변태유기소성, 나노석출 강화, 결정립계 제어, 저온 변형거동 분석 등이 포함된다. 논문 성과에서 드러나듯이, 극저온 환경에서의 변형 안정성 향상, 석출상과 전위의 상호작용 제어, 중엔트로피 합금의 강도와 연성 동시 향상과 같은 주제가 활발히 연구되고 있다. 이는 단순한 조성 탐색이 아니라, 미세조직 형성 메커니즘과 역학적 응답을 연결하는 정교한 재료설계 연구라 할 수 있다. 이러한 연구는 수소경제, 액체수소 저장, 우주항공, 극저온 장비, 고온 엔진 부품 등 가혹한 사용환경을 요구하는 산업 분야에 직접적으로 기여한다. 또한 고온 기계적 물성, 내산화성, 수소취성 저항, 장기 안정성 등 실제 응용에서 중요한 지표를 함께 고려함으로써, 실험실 수준의 재료 개발을 넘어 산업 적용 가능성이 높은 합금 플랫폼을 구축하는 방향으로 확장되고 있다.

이 연구실은 금속 3D 프린팅과 적층제조 공정에서 형성되는 미세조직을 예측하고, 이를 기반으로 공정 조건과 합금 조성을 최적화하는 연구를 수행한다. 적층제조는 급속한 용융·응고, 반복 열이력, 조성 편석, 잔류응력, 이질적 조직 형성 등 복합 현상이 동시에 일어나기 때문에, 전통적인 재료 설계 방식만으로는 최적화를 수행하기 어렵다. 연구실은 시뮬레이션 중심 접근을 통해 이러한 복잡성을 정량적으로 다룬다. 주요 방법론으로는 melt pool 거동 해석, 열전달 시뮬레이션, 미세조직 진화 예측, Monte Carlo 기반 공정 최적화, phase-field 기반 성분 확산 및 조직 예측이 활용된다. 또한 적층제조 전용 합금과 전용 분말을 설계하고, 성분·미세조직·형상 이질성을 포함한 헤테로제닉 소재부품의 최적 설계까지 연구 범위를 확장하고 있다. 이는 단순히 프린팅 조건을 맞추는 수준이 아니라, 공정-조직-물성의 연결고리를 구축하는 통합 설계 연구이다. 이 연구는 적층제조용 합금분말 산업, 맞춤형 고성능 부품 제조, 경량화 구조체, 복합 기능성 부품 개발에 큰 의미를 가진다. 특히 공정 변수에 따른 결함 형성, 조직 불균일성, 최종 기계적 특성의 변동성을 예측할 수 있어 산업 현장에서 요구하는 신뢰성과 생산성을 동시에 향상시킬 수 있다. 향후에는 실시간 데이터와 연계한 디지털 트윈 기반 적층제조 최적화로 발전할 가능성이 크다.

연구실은 전통적인 재료열역학과 시뮬레이션에 더해 인공지능과 데이터 기반 기법을 접목한 차세대 소재개발 방법론도 적극적으로 추진하고 있다. 현대 소재개발은 조성, 공정, 미세조직, 물성 간의 관계가 매우 복잡하여 단일 실험이나 단순 물리모델만으로는 충분한 탐색이 어렵다. 이에 따라 연구실은 데이터베이스, 머신러닝, 최적화 알고리즘을 활용하여 재료 및 공정 설계의 효율성과 예측성을 높이고 있다. 특허와 과제에서 확인되듯이, 분말 크기 예측, 목표 물성에 대한 역예측, 공정 조건 최적화, 우주항공용 초내열 소재 데이터 허브 구축 등이 중요한 연구 주제로 나타난다. 특히 유전 알고리즘과 머신러닝을 결합한 역설계 접근은 원하는 목표값을 만족하는 입력 조건을 도출하는 데 유용하며, 재료 조성 설계나 제조 공정 매개변수 탐색에서 강력한 도구가 된다. 이는 방대한 실험 공간을 빠르게 줄여주는 실용적 의미가 크다. 이러한 AI 기반 소재 연구는 미래 모빌리티, 우주항공, 초고장력강, 내열강, 분말공정 등 다양한 산업 문제에 적용될 수 있다. 더 나아가 물리 기반 모델과 데이터 기반 모델을 결합하면 해석 가능성과 정확도를 동시에 확보할 수 있어, 재료공학 분야의 디지털 전환을 가속하는 기반이 된다. 연구실은 전산재료과학의 깊이와 AI 응용의 확장성을 함께 갖춘 융합형 연구 방향을 보여준다.