Microstructure-Conditioned Surrogate Models for Graded Multiscale Optimization of Mycelium Composites

레고 브릭으로 집을 짓는다고 상상해 보세요. 만약 모든 벽, 바닥, 지붕 타일에 똑같은 브릭만을 사용한다면, 집을 만들기는 쉽겠지만 바람이 가장 세게 부는 지점에서는 약해질 수 있습니다. 하지만 자연은 뛰어난 건축가입니다. 나무 줄기나 사람의 뼈를 생각해 보세요. 그것들은 하나의 균일한 물질로 만들어져 있지 않습니다. 대신, 이들은 "기능적으로 구배(functionally graded)"가 져 있습니다. 즉, 내부 구조가 외부에서 내부로 갈수록 매끄럽게 변한다는 뜻입니다. 외부는 충격으로부터 보호하기 위해 단단하고 조밀할 수 있고, 내부는 무게를 줄이기 위해 더 가볍고 유연할 수 있습니다. 이러한 스마트한 설계는 믿기 힘들 정도로 강하면서도 효율적입니다.

수십 년 동안 엔지니어들은 재료의 내부 '레시피'를 한 지점에서 다른 지점으로 변화시키는 방식으로 자연의 기술을 모방하고자 해왔습니다. 하지만 문제가 하나 있습니다. 재료 내부의 아주 작은 입자들을 완벽한 강도를 갖도록 배치하는 방법을 알아내는 것은, 마치 눈을 가린 채 백만 조각짜리 퍼즐을 맞추는 것과 같습니다. 이를 수행하기 위해 컴퓨터는 보통 모든 개별적인 작은 조각들의 거동을 시뮬레이션해야 하는데, 이는 너무 많은 시간과 전력을 소모하여 다양한 설계를 테스트하는 것을 거의 불가능하게 만듭니다. 여기서 이야기가 흥미로워집니다. 과학자들은 이제 스마트한 지름길을 사용하여 컴퓨터에게 정답을 "추측"하도록 가르치고 있지만, 그 추측이 특정 디자인뿐만 아니라 모든 미세한 패턴에 대해서도 작동하게 만드는 방법이 필요합니다.

이 논문은 연구진이 어떻게 영리한 "추측 기계"를 만들어 이 퍼즐을 해결했는지, 특히 균사체(mycelium)와 우드칩으로 만든 지속 가능한 재료를 대상으로 한 이야기를 들려줍니다. 델프트 공과대학교(Delft University of Technology)의 연구진은 이 작업을 수행했습니다.

문제: "하나의 크기가 모두에게 맞지 않는(One-Size-Fits-None)" 딜레마

당신에게 특정 레고 벽이 압력 하에서 어떻게 견디는지 예측할 수 있는 초스마트 로봇이 있다고 상상해 보세요. 만약 빨간색 벽돌로 만든 벽을 보여준다면, 그 로봇은 아주 잘 해낼 것입니다. 하지만 파란색 벽돌이나 빨간색과 파란색이 섞인 벽에 대해 묻는다면, 로봇은 혼란에 빠지고 처음부터 다시 학습해야 할 것입니다. 첨단 재료의 세계에서 이것은 큰 문제입니다. 자연을 모방한 완벽한 구조를 설계하기 위해 엔지니어들은 수천 가지의 서로 다른 내부 패턴(미세구조)을 테스트해야 합니다. 매번 새로운 패턴마다 새로운 로봇을 훈련시키는 것은 불가능한 양의 데이터와 시간을 요구할 것입니다.

연구진은 어떤 패턴의 우드칩과 균사체를 보더라도, 매번 새로운 학습을 거칠 필요 없이 즉각적으로 그 강도를 말해줄 수 있는 로봇을 만들고자 했습니다.

해결책: "형태를 바꾸는" 두뇌

연구팀은 HyPRNN(Hybrid Physics-Data Recurrent Neural Network)이라 불리는 새로운 유형의 인공지능을 개발했습니다. 이것이 어떻게 작동하는지 이해하려면, 특별한 조수를 둔 숙련된 요리사를 떠올려 보세요.

1. 요리사 (물리 모델): 시스템의 핵심은 요리의 기본 규칙(물리 법칙)을 알고 있는 "요리사"입니다. 이 요리사는 균사체와 우드칩이 눌리거나 늘어날 때 어떻게 반응하는지 알고 있습니다. 이 부분은 경직되어 있고 신뢰할 수 있습니다. 즉, 물리 법칙을 절대 잊지 않습니다.
2. 조수 (하이퍼네트워크): 문제는 요리사가 냄비 안에 정확히 어떤 재료가 들어있는지 알아야 한다는 점입니다. 우드칩이 10%인가요, 50%인가요? 칩이 길고 가느다란가요, 아니면 짧고 둥근가요?
   • 기존 방식은 모든 재료 혼합물마다 요리사에게 새로운 요리책을 주려고 시도했습니다.
   • 새로운 방식은 "스마트한 조수"(하이퍼네트워크)를 사용합니다. 이 조수는 재료(미세구조)를 살펴보고 요리사에게 적절한 지침을 즉시 속삭여 줍니다. 조수는 요리사에게 이렇게 말합니다. "헤이, 오늘은 우드칩이 30% 들어있고 원형으로 배치되어 있으니, 그에 맞춰서 요리 스타일을 조정하세요."

이를 통해 시스템은 각 패턴마다 새로 훈련될 필요 없이 방대한 범위의 서로 다른 내부 구조를 다룰 수 있습니다. 이는 마치 식료품 창고에 무엇이 있는지 알려주기만 하면, 어떤 레시피를 던져주더라도 즉각적으로 적응하는 요리사를 갖는 것과 같습니다.

테스트: 균사체와 우드칩

이 아이디어가 효과가 있는지 증명하기 위해, 연구진은 매우 트렌디하고 친환경적인 재료인 균사체-우드칩 복합재를 선택했습니다. 균사체는 버섯의 뿌리 같은 부분입니다. 이것이 우드칩 위에서 자라면 천연 접착제 역할을 하여, 플라스틱이나 폼을 대체할 수 있는 가볍고 생분해 가능한 재료를 만들어냅니다.

그들은 우드칩과 균사체 "펠릿"을 그릇에 시리얼을 붓는 것처럼 몰드 안에 떨어뜨리는 제조 과정을 시뮬레이션했습니다. 칩이 떨어지고 안착하는 방식은 독특하고 무작위적인 패턴을 만들어냅니다.

• 도전 과제: 그들은 펠릿이 얼마나 추가되었는지 또는 칩이 떨어지기 전에 어떻게 배치되었는지에 따라 재료의 강도가 어떻게 변하는지를 바탕으로, 그들의 "형태를 바꾸는 두뇌"가 강도를 예측할 수 있는지 확인하고자 했습니다.
• 결과: 그들은 상대적으로 작은 데이터셋(단 512개의 예시)만으로 AI를 훈련시켰습니다. 보통 AI가 이 정도로 잘 학습하려면 수백만 개의 예시가 필요합니다. 하지만 그들의 AI는 재료의 물리 법칙에 따라 "조건화(conditioned)"되었기 때문에 놀라울 정도로 빠르게 학습했습니다. 이 AI는 본 적 없는 새로운 패턴에 대해서도 높은 정확도로 강도를 예측할 수 있었습니다.

큰 성과: 완벽한 디스크 설계

진정한 마법은 그들이 이 AI를 사용하여 새로운 물체를 설계했을 때 일어났습니다. 그들은 내부 압력을 견뎌야 하는 디스크(바퀴 같은 형태)의 컴퓨터 시뮬레이션을 설정했습니다.

• 무작위 접근 방식: 단순히 우드칩과 균사체를 무작위로 섞으면, 디스크에는 약한 지점과 높은 응력이 발생합니다.
• 최적화된 접근 방식: AI는 최적화 루프를 실행하여, 디스크의 중심에서 가장자리까지의 다양한 "구배(gradients, 즉 우드칩과 균사체의 혼합 비율 변화)"를 시도했습니다.
• 결과: AI는 디스크 전체에 걸쳐 재료 특성이 매끄럽게 변하는 디자인을 찾아냈습니다. 이 새로운 디자인은 무작위 버전과 비교했을 때 피크 응력(재료가 파손될 가능성이 가장 높은 지점)을 42% 감소시켰습니다.

더욱 인상적인 것은, 그들이 이를 3점 굽힘 시험(공학의 고전적인 테스트)에 적용했을 때입니다. 모든 세부 사항을 계산하는 전통적인 컴퓨터 시뮬레이션은 실행하는 데 거의 2시간(5,900초)이 걸렸습니다. 하지만 새로운 AI 기반 시뮬레이션은 동일한 작업을 단 2초 만에 해냈습니다. 이는 거의 3,000배 빠른 속도입니다!

이것이 중요한 이유

이 논문은 단순히 더 빠른 컴퓨터를 보여주는 것이 아니라, 미래를 설계하는 새로운 방법을 보여줍니다. 제조 과정(칩을 떨어뜨리는 방식)을 재료의 최종 강도와 직접 연결함으로써, 엔지니어들은 이제 자연의 뼈처럼 효율적인 구조를 설계할 수 있습니다.

또한 연구진은 제조 변수에 직접 AI를 "조건화"할 수 있음을 보여주었습니다. 우드칩의 복잡한 모양을 수학적으로 설명하려 노력하는 대신, 그들은 단지 AI에게 "칩을 떨어뜨릴 때 사용한 설정값"을 알려주었고, AI는 그 특정 설정이 재료의 강도를 어떻게 변화시키는지 학습했습니다. 이는 미래에 우리가 3D 프린터나 공장 로봇에게 "이 부분은 더 강하게, 저 부분은 더 가볍게 만들어줘"라고 말하면, 기계가 이를 실현하기 위한 섬유와 입자의 완벽한 내부 배치를 자동으로 찾아낼 수 있음을 의미합니다.

요약하자면, 이 논문은 AI에게 물리 법칙을 존중하면서 데이터로부터 배우도록 가르침으로써, 우리가 이전에 만들었던 것보다 더 가볍고, 강하며, 스마트한 지속 가능한 바이오 기반 재료의 잠재력을 끌어낼 수 있다는 것을 증명합니다.