Physics-informed deep learning for virtual crystallographic phase and grain orientation reconstruction of additively manufactured alloys

당신이 탐정이라고 상상해 보십시오. 하지만 당신의 유일한 단서는 범죄 현장을 그린 흐릿한 흑백 스케치뿐입니다. 용의자들은 어둠 속에 숨어 있고, 그 스케치는 그들의 얼굴도, 옷도, 심지어 어느 방향을 보고 있는지도 보여주지 않습니다. 이것이 3D 프린터로 제작된 금속을 연구하는 과학자들이 매일 겪는 고충입니다. 그들은 매우 강력한 도구인 주사 전자 현미경(SEM)을 사용하여 금속 표면의 매우 날카롭고 고해상도인 사진을 찍습니다. 이 사진들은 금속의 '지형'인 언덕, 골짜기, 그리고 균열을 보여줍니다. 하지만 금속이 얼마나 강하거나 유연한지를 진정으로 이해하려면, 그 내부의 '영혼', 즉 원자의 정확한 배열과 결정이 가리키는 방향을 알아야 합니다. 보통 이 정보를 얻으려면 훨씬 느리고 어렵고 까다로운 도구인 전자 후방 산란 회절(EBSD)이 필요합니다. 하지만 문제는, 3D 프린팅의 빠르고 격렬한 화염 과정이 종종 금속의 내부 구조를 너무 심하게 망가뜨려 놓아, EBSD 도구가 혼란을 겪고 읽을 수 없는 흐릿한 데이터를 만들어낸다는 점입니다. 이는 마치 페이지가 구겨지고 잉크가 번진 책을 읽으려는 것과 같습니다.

수년 동안 과학자들은 표면 사진만을 보고 내부 구조를 추측하기 위해 컴퓨터 프로그램을 사용해 왔습니다. 하지만 이 프로그램들은 수학적 원리를 이해하지 못한 채 답만 암기하는 학생들과 같습니다. 그들은 보기에는 그럴싸하지만 과학적으로는 틀린 그림을 그려내곤 합니다. 그들은 물리적으로 존재할 수 없는 곳에 결정 경계를 그리거나, 결정의 '색상'(방향을 나타냄)을 잘못 지정하기도 합니다. 이 논문은 새로운 종류의 탐정을 소개합니다. 이 인공지한 지능은 단순히 추측하는 것이 아니라, 물리 법칙과 결정학의 엄격한 규칙을 규칙 책처럼 따르는 인공지능입니다. 연구진은 이 AI에게 이러한 규칙들을 가르침으로써, 3D 프린팅된 금속의 단순한 표준 흑백 사진을 상세하고 색상으로 구분된 내부 원자 세계의 지도로 바꿀 수 있게 했습니다.

"물리 정보 기반" 탐정의 마법

칭화 대학교와 뉴사우스웨일스 대학교의 주오한 차오(Zhuohan Cao)와 동료들이 이끄는 연구진은 PI-CycleGAN이라 불리는 영리한 시스템을 개발했습니다. 이 시스템을 단순한 표면 사진을 복잡한 결정 지도로 변환하는 3단계 번역 기계라고 생각하십시오.

1단계: 지형 읽기
먼저, AI는 전자 현미경으로 촬영한 표준 흑백 사진을 살펴봅니다. 이 사진들에서 금속은 능선과 골짜기가 있는 지형도처럼 보입니다. AI의 임무는 '결정립'(금속을 구성하는 개별 결정)이 어디에 위치하는지 파악하는 것입니다. 완벽한 세상이라면 AI가 그냥 추측하겠지만, 연구진은 AI가 도로 위의 규칙을 준수하도록 가르쳤습니다. 연구진은 실제 결정 경계가 작동하는 방식처럼 결정 사이의 선을 매끄럽고 연속적으로 유지하도록 하는 '물리적 제약 조건'을 추가했습니다. 이는 AI에게 "선을 그릴 수는 있지만, 선을 울퉁불퉁하게 만들거나 기하학적 법칙을 어겨서는 안 된다"라고 말하는 것과 같습니다. 그 결과, 원래 사진보다 더 명확하고 상세하게 결정 구조를 강조하는 고품질의 '밴드 대비(Band Contrast)' 지도가 만들어집니다.

2단계: 등장인물 식별하기
다음으로, AI는 그 명확한 결정립 지도를 바탕으로 "각 결정립이 어떤 종류의 재료로 만들어졌는가?"라고 묻습니다. 3D 프린팅된 금속에서는 서로 다른 부분들이 서로 다른 상(phase, 마치 눈보라 속의 서로 다른 종류의 얼음과 같은 것)으로 구성될 수 있습니다. AI는 '상 정보 기반(phase-informed)' 접근 방식을 사용합니다. AI는 금속의 전체 레시피(각 유형이 얼마나 존재해야 하는지)를 살펴보고, AI가 실수로 새로운 성분을 만들어내거나 기존 성분을 잊어버리지 않도록 보장합니다. 이는 AI가 비율을 정확하게 유지하도록 강제하여, 만약 금속이 한 종류 90%, 다른 종류 10%로 구성되어야 한다면 지도가 정확히 그것을 반영하도록 합니다. 이 단계는 서로 다른 유형의 결정을 서로 다른 색으로 칠하는 '상 지도(Phase Map)'를 생성합니다.

3단계: 방향 찾기
마지막으로 가장 어려운 부분인 각 결정이 어느 방향을 향하고 있는지 알아내는 단계입니다. 결정학에서 방향은 종종 무지개색(역극점 도형, IPF 지도)으로 표시됩니다. 결정이 "위"를 향하고 있다면 빨간색일 수 있고, "옆"을 향하고 있다면 파란색일 수 있습니다. 일반적인 AI는 단순히 그림이 예뻐 보인다는 이유만으로 결정을 빨간색으로 칠해야 할 곳에 빨간색을 칠하는 등 이 과정을 틀리곤 합니다. 그러나 연구진의 AI는 '물리 정보 기반'입니다. 이 AI는 결정이 어떻게 회전하고 어떻게 이웃과 연결되는지에 대한 특정 규칙을 알고 있습니다. 또한, 자신이 선택한 색상이 물리적으로 가능한지 확인하기 위해 '유효 색상 공간'을 기준으로 자신의 작업을 검토합니다. 또한, 단일 결정립 내부에서는 색상이 대체로 균일하고, 경계에서는 실제 결정처럼 색상이 급격히 변하도록 보장합니다.

결과: 흐릿함에서 찬란함으로

연구팀은 이 시스템을 항공우주 및 의료용 임플란트에 매우 흔하게 사용되는 티타늄 합금인 Ti-6Al-4V에 대해 테스트했습니다. 이 재료는 3D 프린팅이 내부 구조를 매우 혼란스럽게 만들기 때문에 분석하기 까다롭기로 유명합니다. 연구진은 자신들이 생성한 AI 지도를 실제 고품질 EBSD 데이터(얻기 매우 어려운 '골드 스탠다드')와 비교했습니다.

결과는 인상적이었습니다. AI가 생성한 지도는 실제 지도와 거의 동일했습니다.

• 정확도: 이미지 간의 유사성을 측정했을 때, AI는 매우 높은 점수를 받았습니다. 결정립 지도의 경우 유사도는 약 0.75(완벽한 상태가 1인 척도 기준)였으며, 평균 차이는 단 0.08로 오차가 매우 작았습니다.
• 상 검출: AI는 금속 내의 서로 다른 결정 유형을 정확하게 식별했습니다. 상의 양을 추측하는 데 있어서의 오차는 0.015로 믿기 힘들 정도로 낮았습니다.
• 방향 찾기: 까다로운 방향 지도에 대해서도 AI는 대부분의 경우 색상을 정확하게 맞혔습니다. 결정의 '색상' 오차는 표준 색상 척도에서 30 단위 미만이었으며, 이는 방향이 실제와 매우 근접했음을 의미합니다.

결정적으로, 연구진은 이것이 단순히 운 좋은 추측이 아님을 보여주었습니다. 연구진은 '물리 규칙(제약 조건)' 없이 AI를 테스트했습니다. 이러한 규칙이 없으면 AI는 언뜻 보기에는 괜찮아 보이지만 과학적으로는 틀린 지도를 만들어냈습니다. 즉, 불가능한 형태의 울퉁불퉁한 경계를 가지거나 잘못된 결정 방향을 보여주었습니다. 이는 '물리 정보 기반' 부분이 핵심 비결이었음을 입증했습니다.

다른 금속에도 적용 가능한가?

이 탐정이 특정 사례 하나만 잘 푸는 것이 아님을 증명하기 위해, 팀은 이 AI를 316L 스테인리스강, Inconel 617(초합금), 그리고 2219 알루미늄 등 다른 금속에도 테스트했습니다. 이 금속들은 서로 다른 내부 구조를 가지고 있으며 서로 다른 3D 프린팅 방식으로 제작되었습니다.

AI는 이 모든 것을 능숙하게 처리했습니다.

• 스테인리스강과 초합금의 경우, 지도는 선명하고 정확했습니다.
• 복잡한 결정 혼합물을 가진 알루미늄의 경우에도, AI는 여전히 결정립 모양을 정확하게 잡아냈으며, AI의 예측과 실제 데이터 사이의 상관관계는 0.90에 달했습니다.
• 알루미늄 결정의 '색상' 오차 역시 30 단위 미만으로 매우 낮게 유지되었습니다.

이는 이 AI가 단순히 티타늄의 외형을 암기한 것이 아니라, 결정이 어떻게 행동하는지에 대한 보편적인 규칙을 실제로 학습했음을 시사합니다. AI는 거의 모든 3D 프린팅 금속의 단순한 사진을 가져와 그 내부의 비밀을 알려줄 수 있습니다.

이것이 왜 중요한가

이 연구는 3D 프린팅된 금속을 바라보는 새로운 방법을 제시합니다. 3D 프린팅의 무질서한 구조로 인해 어려움을 겪는 비싸고 느리며 종종 혼란스러운 EBSD 장비에 의존하는 대신, 과학자들은 이제 표준적인 빠른 현미경 사진을 사용하고 AI가 힘든 작업을 수행하도록 할 수 있습니다. 이는 마치 초능력을 갖는 것과 같습니다. 단순한 흑백 사진을 보고 즉시 그 안에 숨겨진 원자들의 다채로운 세계를 볼 수 있게 되는 것입니다.

연구진은 이 기술이 거대한 진전이긴 하지만, 모든 것을 대체하는 마법 지팡이가 아니라 '재구성'을 위한 도구라는 점을 주의 깊게 명시하고 있습니다. 그러나 3D 프린팅된 합금의 내부 구조를 매핑하는 특정 문제에 있어서, 이 물리 기반 접근 방식은 매우 신뢰할 수 있고 정확하며 다양한 재료에 걸쳐 일반화될 수 있음을 보여주었습니다. 이는 흐릿한 스케치를 명확하고 과학적으로 유효한 지도로 바꾸어 놓으며, 우리의 미래를 건설할 금속들에 대한 더 빠르고 더 나은 품질 관리를 향한 문을 열어줍니다.