6월 11일, 첨단 재료 이공계 대학의 Kotiba Hamad 교수가 이끄는 연구팀은 Clarivate’s Journal Citation Reports’ (JCR) 따른 금속공학 부문에서 1위에 해당하는 " Magnesium and Alloys (IF =11.8)"에 " Brittle and ductile characteristics of intermetallic compounds in magnesium alloys: A large-scale screening guided by machine learning"을 발표했다. 이 연구는 재료 발견 및 설계 분야에서 AI 기술의 적용 가능성과 잠재력을 조사하기 위해, 연구팀이 수행한 작업 중 하나이다. 본 연구의 결과는 AI의 기술인 머신러닝을 통해 마그네슘 기반 합금에서 형성되는 금속간 화합물의 연성-취성(brittle-ductile) 특성이 안정적이고 정확하며 빠르게 예측된다는 것을 보여주었다. 머신러닝 결과는 아래 그림과 같이 밀도범함수 이론(density functional theory)을 이용한 이론적 계산에 통해 검증되었습니다. 이러한 결과는 구조적 적용을 위한 고성능 마그네슘 합금의 설계를 용이하게 할 수 있다.

이는 컴퓨터의 능력의 증가로 인해 인공지능의 하위 범주인 머신러닝이 기존 실험이나 심지어 물리 기반 모델링 및 시뮬레이션보다 훨씬 빠른 데이터 기반 모델을 구축하는 능력으로 재료 발견 및 설계 분야에서 크게 활용되고 있다고 말했다. 현재의 연구 그룹인 Kotiba Hamad (Professor), Russlan Jaafreh (PhD candidate), 강유성 (Graduate collaborator/Currently working in ‘Computer Systems and Intelligence Laboratory’), Santiago Pereznieto (Masters Student)는 재료 과학과 공학 분야에서 AI의 능력을 활용하고 있으며, 이 주제에 관한 여러 논문을 ACS Applied materials & interfaces, Journal of Materiomics와 같은 고급 학술지에 발표했다.

관련된 링크:

-Russlan Jaafreh, Yoo Seong Kang, Kotiba Hamad, Journal of Magnesium and Alloys 2022, DOI: doi.org/10.1016/j.jma.2022.05.006.

-Russlan Jaafreh, Yoo Seong Kang, and Kotiba Hamad, ACS Applied Materials & Interfaces 2021 13 (48), 57204-57213, DOI: doi.org/10.1021/acsami.1c17378

-Professor Kotiba’s Website: kotibahamad995.wixsite.com/aem-skku