Explainable and Uncertainty-Aware Machine Learning for Compressive Strength Prediction of 3D-Printed Fiber-Reinforced Concrete

거푸집에 콘크리트를 붓는 무겁고 느린 작업이 벽이나 다리, 심지어 집까지도 층층이 재료를 쌓아 올리는 거대하고 정밀한 프린터로 대체되는 건설 현장을 상상해 보십시오. 이것이 바로 3D 프린팅 콘크리트가 약속하는 미래입니다. 이 기술은 폐기물을 줄이고, 비용을 절감하며, 숙련된 노동력의 필요성을 낮출 수 있습니다. 하지만 문제가 있습니다. 이 프린터에 사용되는 콘크리트는 전통적인 방식으로 부어지는 콘크리트와 다르게 작동합니다. 어떻게 혼합되고 어떻게 출력되느냐에 따라 흐름, 경화 방식, 강도가 독특하게 달라집니다. 이러한 구조물을 안전하고 신뢰할 수 있게 만들기 위해, 엔지니어들은 건축하기 전에 이 재료가 정확히 얼마나 강해질지를 알아야 합니다. 문제는 이 재료의 강도가 시멘트의 종류, 물의 양, 보강을 위해 혼합된 미세 섬유의 종류와 양, 심지어 기계가 층을 쌓는 방향에 이르기까지 매우 복 phép한 수의 요인들에 달려 있다는 점입니다. 실험실에서 수백 번의 배합을 직접 섞고 테스트하며 완벽한 레시피를 찾는 것은 시간이 오래 걸리고 비용이 많이 들며, 종종 엔지니어들을 추측의 영역에 머물게 합니다.

한 연구팀은 컴퓨터가 과거의 실험으로부터 학습하도록 가르침으로써 이 문제를 해결했습니다. 그들은 철강, 유리, 플라스틱과 같은 다양한 섬유가 포함된 다양한 3D 프린팅 콘크리트 배합을 다룬 299개의 서로 다른 실험 데이터를 과학 문헌에서 수집했습니다. 이 정보를 복잡한 데이터에서 패턴을 찾아내도록 설계된 네 가지 유형의 컴퓨터 학습 프로그램에 입력했습니다. 목표는 재료와 출력 조건에 따라 최종 강도를 가장 잘 예측할 수 있는 프로그램이 무엇인지 확인하는 것이었습니다. 연구진은 단순히 정답을 맞히는 컴퓨터를 원하는 것이 아니라, 컴퓨터가 '왜' 그런 예측을 했는지 그 이유를 알고 싶었습니다. 그들은 컴퓨터의 의사 결정 과정을 파헤치기 위해 특수한 도구를 사용하여 어떤 재료가 가장 중요한지, 그리고 그 재료들이 어떻게 상호작용하는지를 살펴보았습니다. '설명 가능한 인공지능(Explainable AI)'이라고 불리는 이 접근 방식은 컴퓨터가 단순히 답만 내놓는 '블랙박스'가 아니라, 엔지니어가 신뢰하고 이해할 수 있는 투명한 도구가 되도록 보장합니다.

연구 결과, '내추럴 그래디언트 부스팅(Natural Gradient Boosting)'이라 불리는 특정 유형의 학습 프로그램이 가장 정확한 예측 모델인 것으로 나타났습니다. 한 번도 본 적 없는 새로운 데이터로 테스트했을 때, 이 프로그램은 실제 값을 아주 작은 오차 범위 내에서 정확하게 예측했습니다. '캣부스트(CatBoost)'라는 또 다른 프로그램 역시 평균 오차의 크기를 최소화하는 데 탁와 같이 뛰어난 성능을 보였습니다. 컴퓨터 모델은 강도를 결정하는 가장 결정적인 요인이 결합재 분말 대비 물의 비율, 총 수분량, 실리카 흄(콘크리트를 강화하는 미세 분말)의 존재, 그리고 슈퍼플라스티사이저(혼합물의 유동성을 높이는 화학 물질)의 사용임을 학습했습니다. 또한 모델은 콘크리트에 하중이 가해지는 방향(즉, 출력된 층과 평행하게 압력이 가해지는지 또는 수직으로 가해지는지)에 따라 결과가 크게 달라진다는 사실, 즉 이방성(anisotropy) 현상을 확인했습니다.

결정적으로, 연구진은 재료와 강도 사이의 관계가 단순하거나 직선적이지 않다는 것을 발견했습니다. 컴퓨터 모델은 특정 재료를 더 많이 추가하면 일정 지점까지는 도움이 되지만, 그 이후에는 이점이 멈추거나 오히려 역효과가 날 수 있다는 점을 드러냈습니다. 예를 들어, 섬유의 길이와 직경의 효과는 혼합물 내의 다른 재료들에 따라 달라집니다. 또한 모델은 콘크리트의 연령이 중요하다는 점을 보여주었는데, 강도는 시간이 지남에 따라 증가하다가 결국 평탄해진다는 것입니다. 이러한 고급 학습 도구를 사용하여 연구진은 단순히 숫자만 봐서는 발견하기 어려운 복잡하고 비선형적인 행동들을 지도화할 수 있었습니다. 그들은 컴퓨터의 예측이 단순한 운 좋은 추측이 아니라, 그 논리가 엔지니어들이 이미 알고 있는 콘크리트의 작동 원리와 일치한다는 것을 확인했으며, 이를 통해 결과에 대한 확고한 신뢰 기반을 마련했습니다.

코딩을 할 줄 모르는 일반 엔지니어들도 이 기술을 일상적으로 사용할 수 있도록, 연구팀은 시각적 인터페이스를 갖춘 간단하고 상호작적인 컴퓨터 프로그램을 구축했습니다. 이 도구를 사용하면 사용자는 자신이 계획한 혼합물의 세부 사항(예: 물, 시멘트, 섬유의 양 등)을 입력하여 콘크리트의 강도를 즉각적으로 예측받을 수 있습니다. 단일한 숫자만을 제공하는 기존의 도구와 달리, 이 새로운 프로그램은 예상되는 결과의 범위를 제공하여 예측의 확실성이나 불확실성을 보여줍니다. 또한 특정 재료가 해당 혼합물의 강도를 높이는 데 기여하는지 혹은 낮추는 데 기여하는지도 강조하여 보여줍니다. 이는 엔지니어가 실험실에서 콘크리트를 한 바가지 섞어보기 전에, 화면상에서 수십 가지의 서로 다른 레시피를 빠르게 테스트하여 어떤 것이 유망한지 미리 확인할 수 있음을 의미합니다.

연구진은 이 도구가 계획과 선별 단계에서는 강력하지만, 물리적 테스트를 대체하는 것은 아니라는 점을 주의 깊게 명시하고 있습니다. 컴퓨터는 가이드일 뿐, 최종 권위자가 아닙니다. 모델은 특정 유형의 콘크리트와 출력 방식에 기반한 데이터이며, 이 도구는 건물을 짓기 위한 승인을 받는 용도가 아니라 더 심도 있는 연구를 위한 최적의 후보를 좁혀가는 데 도움을 주기 위해 설계되었습니다. 연구는 높은 정확도의 예측과 예측 과정에 대한 명확한 설명을 결합함으로써, 이 새로운 프레임워크가 3D 프린팅 콘크리트 개발을 가속화할 수 있는 실질적인 방법을 제공한다고 결론지었습니다. 이는 끝없는 시행착오가 필요했던 과정을 더 효율적이고 데이터 중심적인 여정으로 바꾸어 놓으며, 자동화된 건설의 미래를 현실로 앞당기는 데 기여하고 있습니다.