[Project] 고엔트로피 합금(HEA) 미세구조 예측 AI 모델

배경

PEM(Proton Exchange Membrane) 수전해는 재생에너지로 수소를 생산하는 핵심 기술이다. 이 분야에서 전극 소재로 주목받는 고엔트로피 합금(HEA, High-Entropy Alloy)은 여러 원소를 높은 농도로 혼합해 만든 합금으로, 기존 2원계·3원계 합금과 달리 조합 가능한 원소 종류와 비율이 방대하다.

문제는 어떤 원소 조합이 원하는 물성을 만들어내는지 알려면 매번 합금을 제조하고 실험으로 검증해야 한다는 점이다. 비용과 시간이 막대하게 들기 때문에, AI 모델로 물성을 미리 예측해 실험 범위를 좁히는 것이 이 프로젝트의 목표였다.

데이터셋 구성 (5,000건)

피처	설명
Alloy_ID	합금 고유 식별자
Alloy	합금 주요 성분 기호
Num_of_Elem	합금에 포함된 원소 수
VEC	전자 농도 (Valence Electron Concentration)
Atom.Size.Diff	원자 크기 차이
Elect.Diff	전기 음성도 차이
dHmix	혼합 엔탈피 (Mixing Enthalpy)
dSmix	혼합 엔트로피 (Mixing Entropy)
Sythesis_Route	합금 합성 경로
Homog_Temp / Homog_Time	균질화 온도 / 시간
Anneal_Temp / Anneal_Time	어닐링 온도 / 시간
Quench_Pro	퀜칭 방법
Phases	합금의 상(Phase)

예측 대상: 합금의 미세구조 유형

총 4가지 미세구조 클래스를 분류한다. 미세구조는 합금의 기계적 특성(강도, 경도, 연성 등)을 결정하는 핵심 요소다.

• BCC_SS (Body-Centered Cubic Solid Solution): 체심입방 고용체. 단위 세포에 2개의 원자를 포함하는 격자 구조로, 높은 강도가 특징이다.
• FCC_SS (Face-Centered Cubic Solid Solution): 면심입방 고용체. 단위 세포에 4개의 원자를 포함하며, 연성과 가공성이 우수하다.
• FCC_PLUS_BCC: FCC와 BCC 격자가 공존하는 복합 미세구조. 강도와 연성을 동시에 확보하는 경우가 많다.
• Im (Intermetallic Compound, 금속간 화합물): 두 개 이상의 금속 원소가 특정 비율로 결합. 높은 경도와 강도를 가지지만 취성이 강하다.

분석 절차

1단계: 데이터 시각화

VEC, dHmix, dSmix 등 주요 피처와 미세구조 유형 간의 관계를 시각화해 각 클래스가 어떤 값 범위에 분포하는지 먼저 파악했다. 선행 연구에 따르면 VEC 값이 6.87 이하이면 BCC, 8 이상이면 FCC가 형성되는 경향이 있어 이를 초기 분석의 기준으로 삼았다.

2단계: 머신러닝 분류 모델 구축

합금 성분 및 공정 조건을 입력으로 받아 4개 미세구조 클래스 중 하나를 예측하는 다중 클래스 분류 모델을 구축했다. 합금 조성(VEC, dHmix, dSmix, 원자 크기 차이, 전기 음성도 차이)과 공정 조건(합성 경로, 균질화 온도·시간, 어닐링 조건, 퀜칭 방법)을 모두 피처로 활용했다.

기대 효과

실험 전에 미세구조를 예측할 수 있으면, 원하는 물성에 맞는 원소 조합 후보를 먼저 좁힐 수 있다. 수천 가지 조합을 전부 제조해 검증하는 대신 모델이 유망한 후보를 선별해 실험 횟수를 줄인다.