Bridging Chemically Distinct Coating Systems: Cross-System Transfer Learning Enables Discovery of Ultralow-Thermal-Conductivity Ferroelastic Tantalates

제트 엔진이나 가스 터빈의 내부를 상상해 보십시오. 대부분의 다른 재료를 녹여버릴 수 있는 온도에서 금속 부품들이 살아남아야 하는 곳입니다. 이러한 부품들을 보호하기 위해 엔지니어들은 열 차단막이라고 불리는 특수한 층으로 이들을 코팅합니다. 이 코팅은 기계를 위한 두꺼운 겨울 코트처럼 작용하여, 강렬한 열이 아래에 있는 금속에 도달하는 것을 막아주고 엔진이 더 뜨겁고 효율적으로 작동할 수 있게 해줍니다. 수십 년 동안 이 작업의 표준 재료는 이트리아로 안정화된 일종의 세라믹이었습니다. 하지만 엔진이 더 많은 동력을 생성하기 위해 더욱 높은 온도를 향해 나아감에 따라, 이 오래된 재료는 한계에 부딪히기 시작했습니다. 이 재료는 너무 뜨거워지면 내부 구조가 변하여 팽창하고 균열이 생기며, 차세대 엔진의 요구 사항을 충족할 만큼 열을 잘 차단하지 못합니다. 과학자들은 극심한 열 속에서도 안정성을 유지하면서 열 전달을 훨씬 더 적게 할 수 있는 새로운 재료를 찾아왔습니다.

연구팀은 열을 차단하는 능력이 매우 뛰어난 두 가지 새로운 유형의 세라믹 재료를 발견함으로써 유망한 해결책을 찾아냈습니다. 이 재료들은 서로 다른 희토류 원소들을 탄탈룸 및 산소와 혼합하여 만든 '희토류 탄탈레이트(rare-earth tantalates)'라고 알려진 계열에 속합니다. 완벽한 혼합물을 찾는 데 있어 어려움이 따르는 이유는 선택할 수 있는 희토류 원소가 너무 많고, 가능한 조합의 수가 너무 방대하여 하나씩 모두 시도해 보는 것은 평생이 걸릴 수도 있기 때문입니다. 모든 가능성을 테스트하는 대신, 연구진은 인공지능을 활용한 영리한 접근 방식을 사용했습니다. 그들은 컴퓨터 프로그램이 이미 잘 알려진 서로 화학적으로 유사한 다양한 재료들에 대한 대규모 데이터를 통해 학습하도록 가르쳤습니다. 프로그램이 이러한 유형의 세라믹을 통해 열이 어떻게 이동하는지에 대한 일반적인 규칙을 학습하자, 연구진은 그 지식을 데이터가 부족한 특정 영역인 희토류 탄탈레이트에 적용하도록 요청했습니다. '전이 학습(transfer learning)'이라고 알려진 이 방법 덕분에 컴퓨터는 방대한 양의 새로운 데이터 없이도 새로운 재료에 대해 정확한 예측을 할 수 있었습니다.

컴퓨터는 수십만 개의 잠재적인 레시피를 스크린하여, 이 유형의 벌크 세라믹으로서 기록된 것 중 가장 낮은 열전도 특성을 가진 두 가지 특정 혼합물을 식려냈습니다. 다섯 가지 서로 다른 희토류 원소를 복합적으로 혼합한 이 새로운 재료 중 하나는 섭씨 900도에서 단 1.276 W/m·K의 열전도율을 보였습니다. 이는 해당 온도의 이와 같은 종류의 벌크 세라믹 중에서 측정된 가장 낮은 값입니다. 여덟 가지 서로 다른 희토류 원소를 포함한 두 번째 발견물 역시 1.307 W/m·K라는 매우 우수한 성능을 나타냈습니다. 이 예측을 확인하기 위해 과학자들은 실험실에서 이 재료들의 샘플을 실제로 제작했습니다. 그들은 원료 분말을 혼합하고, 디스크 형태로 압착한 뒤, 가마에서 구워냈습니다. 실제 샘플을 테스트했을 때 측정값은 컴퓨터의 예측과 거의 완벽하게 일치했으며, 이는 인공지능이 그들을 올바른 답으로 성공적으로 안내했음을 증명했습니다.

이 새로운 재료들이 열을 차단하는 데 탁월한 이유는 그들의 무질서하고 복잡한 내부 구조에 있습니다. 완벽한 결정 구조에서는 원자들이 정돈된 격자 구조로 배열되어 있어 한쪽 끝에서 다른 쪽 끝으로 진동이 매끄럽게 이동하므로 열이 쉽게 전달됩니다. 그러나 이 새로운 세라믹의 경우, 과학자들은 의도적으로 서로 다른 크기와 전기적 특성을 가진 원자들을 동일한 결정 구조 내의 자리에 혼합했습니다. 이는 원자들이 서로 완벽하게 맞물리지 않는 혼란스러운 환경을 조성합니다. 결과적으로 발생하는 결정 격자의 왜곡은 서로 다른 영역 사이의 미세한 결함 및 경계와 결합하여, 마치 고속도로 위의 장애물처럼 작용합니다. 열이 진동하는 원자의 형태로 재료를 통과하려고 할 때, 이러한 장애물들은 진동을 산란시켜 에너지를 가두고 더 이상 앞으로 나아가지 못하게 합니다. 연구진은 강력한 현미경과 컴퓨터 시뮬레이션을 사용하여 이러한 효과를 관찰하였고, 격자 왜곡, 산소 공석(oxygen vacancies), 그리고 미세한 도메인이 에너지의 흐름을 방해함으로써 열이 차단된다는 것을 확인했습니다.

이 발견은 발견된 특정 재료뿐만 아니라, 이를 찾아낸 방법론 측면에서도 매우 중요합니다. 이 연구는 과학자들이 너무 많은 가능성과 충분한 데이터가 없는 문제에 직면했을 때, 관련 분야의 지식을 빌려와 문제를 해결할 수 있음을 보여줍니다. 컴퓨터에게 한 그룹의 재료를 통한 열 전달의 물리학을 이해시킨 후, 그 이해를 연구가 덜 된 새로운 그룹에 적용함으로써, 연구진은 느리고 비용이 많이 드는 시행착오 과정을 건너뛸 수 있었습니다. 결과는 매우 많은 원소를 동일한 양으로 섞는 것이 기존에 생각되었던 최선의 방법이 아니라, 내부의 무질서함을 적절히 만들어내기 위해 비율을 정밀하게 조정하는 것이 가장 좋은 방법임을 보여줍니다. 이러한 접근 방식은 고온 응용 분야를 위한 첨단 재료 설계의 새로운 길을 열었으며, 우리 엔진을 더 시원하고 효율적으로 돌아가게 할 차세대 열 차단막을 설계하는 청사진을 제공합니다.