데이터융합철강재료설계연구실

 

 

신소재공학과  +  data science

 

 

이 두 조합에 대해서 어떻게 생각하는가?

처음 들었을 때는 어떤 연관성이 있는지 다들 궁금해 할 것이다.

 

우리 랩실에서는 두 가지의 분야를 다룬다.

 

 

 

철강

 

먼저 우리 랩실은 철강을 다룬다.

철강 중에서도 전기강판, AM 적층소재, 자성재료를 다루고 있다. 

전기강판, 적층 재조기술, 자성재료

 

쉽게 설명하면 

Si의 함유량에 따라서 강판의 연성의 정도가 달라지고

C의 함유량에 따라서도 강판의 자성 정도가 달라진다.

또한 강판을 만드는 제조 공정을 어떻게 설계하냐에 따라서도 강의 성질이 달라지게 된다.

밀링을 할 때 강의 두께를 어떻게 조정하는가에 따라서도 성질이 달라진다.

 

이러한 여러 변수들을 통제하여 사용자가 원하는 최적의 조건을 가진 강을 만드는 것이 궁극적인 목표이고, 연구 분야가 된다.

 

 

사실 나는 데이터를 다루는 분야로 공부를 하고있다보니 AM 기술 분야에 대해서 완벽하게 알지는 못한다.

조금 더 공부하고 나서 글을 수정하고자 한다.

 

 

 

Data Science

 

그러면 이런 철강을 다루는 랩실에서 데이터는 어떻게 만들어지는 것이고, 어떻게 쓰이는걸까?

 

앞에서 언급했던 강을 설계하고, 제조할 때 여러 변수들이 존재한다고 언급하였다.

그러한 여러 변수들을 수집한 후 경향성을 파악하고, 예측하는 것이 목표이다.

 

 

쉽게 예를 들어보자면,

 

강의 자속밀도를 높이고 싶다는 주문이 들어왔다고 치자.

강의 자속밀도를 높이는 가장 대표적인 예는 탈탄을 하는 방법이 있을 것이다.

 

그 외에도 여러 방법이 존재할 수 있다.

그 방법들을 데이터화 한 후 머신러닝을 시행할 수 있게 만들 수 있다.

합성 원소의 함량, 제조 과정에서의 강의 두께 등이 강의 자성에 어떻게 영향을 미치게 되는지 머신러닝으로 그것을 예측해보는 모델을 만들 수 있게 된다.

위의 경우에서는 x값(독립변수)이 C의 함량, Mn의 함량, 강의 두께 등이 될 것이고, y값(종속변수)이 강의 자성값이 될 것이다.

 

과거에는 강을 연구/개발 하는것은 많은 시간이 들게 된다.

하지만 이런 모델을 만들어서 강의 물성을 예측할 수 있게 되고,

더 나아가 강화학습을 통해 강을 역설계 할 수 있게 된다면 연구/개발에 들이는 시간과 비용이 단축시킬 수 있다.

 

출처 : 재료와 인공지능(대한금속-재료학회 지음)

 

 

현재 머신러닝(딥러닝) 에 관해서 공부중이고, 더 나아가 강화학습까지 공부한 다음 실제 모델을 만들어 논문을 투고해보는 것이 목표이다.

 

더 자세한 내용은 "재료와 인공지능" 책을 참고하는것을 추천한다.

나의 지도 교수님이 추천해주신 책이다.

 

https://www.yes24.com/Product/Goods/72255389

재료와 인공지능 - 예스24

 

 

그리고 현재 Lab 홈페이지도 제작중에 있다.

만드는 과정도 추후에 포스팅 해보고자 한다.

아래 링크는 버셀로 임시 배포를 해 놓은 상태이다.

 

https://data-steel-material-design-lab.vercel.app/

Data Steel Design Lab