인하대학교산학협력단

고강도·고방열 경량금속소재 부품화 실증 기반구축 사업단

전문가 기고
정영길, 김세훈 한국자동차연구원

다중물성 확보를 위한 알루미늄 합금 개발 동향

최근 미래 모빌리티 산업의 핵심 이슈는 연비 및 전비를 개선 시키려는 노력으로서, 경량화와 동시에 다중 물성(고강도, 고방열, 고내식, 고내열 등)의 Trade-off 상관관계를 극복하고 다특성을 만족시키기 위한 합금 개발 연구가 활발히 진행되고 있다[1]. 이에 본 기고문에서는 지난번 다루었던 고강도/고열전도도의 Trade-off 특성을 만족시키고자 하는 전신재용 알루미늄 합금 개발 고찰을 통해 최근 소재 데이터 기반 인공지능 활용 합금 개발 연구 동향 대해 다뤄보고자 한다.

￭ 고강도/고방열 다중물성 소재 개발 고찰

먼저 지난 기고문에서 전신재용 고강도 6xxx계 알루미늄 합금을 기반으로 기계적 특성과 열전도도 검토를 통해 새롭게 설계된 합금(W1-1 및 Cu·Zn 첨가 영향)의 평가 결과를 고찰하였다. 일반적으로 금속의 열전도도는 자유전자와 phonon에 의해 결정되며, 합금에서는 금속간 화합물 형성이나 고용원소에 의한 격자 왜곡으로 열전도도가 감소한다는 이론적 근거를 바탕으로 열전도도 저하를 유발하는 Mn은 제외하고, Cu와 Zn 첨가량 변화에 따른 기계적 물성 및 열전도도 특성을 중심으로 검토하였다.

그림1. 고강도/고방열 설계합금의 열역학적 석출상 해석 결과

그림 1에 나타낸 바와 같이 열역학 계산 결과를 바탕으로 설계된 합금의 합금화-열간압출-열처리 공정을 거쳐 기계적 물성과 열전도도 평가 및 분석을 수행하였으며, 그 결과 인장강도와 연신율은 Cu 첨가량 변화에 따라 향상되는 경향을 보였으나, 열전도도는 오히려 감소하는 경향을 보였다. 이는 강도 향상에 기여하는 석출상의 분율 증가로 인해 열전달 소스인 자유전자의 수의 감소로 열전도도가 감소하게 되는 trade-off 특성 관계임을 확인할 수 있었다.

그림2. 설계된 합금의 Cu, Zn 첨가에 따른 기계적 물성 및 열전도도 상관관계

Zn 함량 증가 시 연신율은 유지되면서 인장강도는 향상되었고, 열전도도는 다소 감소했지만 Cu 첨가합금보다 변화 폭이 작아 168±7 W/m·K 범위를 유지하였다. 이는 Zn 고용 및 일부 석출상으로 인한 격자변형이 phonon 산란을 유발하더라도 열전도도 저하에는 큰 영향을 주지 않음을 그림 2에서 확인할 수 있었으며,결과적으로 trade-off 상관관계를 결정하는 핵심 인자는 석출상 분율임을 확인 할 수 있었다. 이러한 결과를 바탕으로, 합금 설계에서 석출상 제어가 중요하며 미래 모빌리티 소재의 다기능 요구에 대응하기 위해 고온안정상(Al₃Ti, Al₃Zr, Al₃Ni)을 갖는 합금을 추가 설계·평가하였다[2–4].

그림3. 설계된 합금의 Ti, Zr, Ni 첨가에 따른 기계적 물성 및 열전도도 상관관계

그림3. 설계된 합금의 Ti, Zr, Ni 첨가에 따른 기계적 물성 및 열전도도 상관관계

Ti 첨가로 형성되는 Al₃Ti상은 열적으로 안정하지만, 본 연구의 0.2 wt.% 범위에서는 미세화와 강도 향상이 거의 나타나지 않았으며, 열전도도는 오히려 크게 감소해 유효성이 낮았다. 이에 Ti를 제외하고 Zr·Ni 첨가를 검토한 결과, Zr은 소량(0.1–0.2 wt.%)에서 인장강도를 향상시키면서 열전도도 저하가 크지 않아 trade-off 개선에 효과적이었다. Ni 역시 강도와 연신율을 동시에 높였으며, 열전도도 감소도 약 3% 수준으로 제한되어 목표 특성 확보에 적합한 원소로 확인되었다. 이처럼 앞선 연구개발 결과를 통해 고강도·고방열 알루미늄 전신재의 개발 방향성을 제시했으며, 향후 고온물성 분석과 설계·공정 최적화 등을 통해 다중물성 확보 전략을 정교화할 필요가 있다는 것을 확인 할 수 있었다.

￭ 소재 데이터 기반 인공지능 활용 합금 개발

　앞선 연구개발 결과에서 언급한 바와 같이 다중물성 확보는 미세조직을 비롯한 화학적·물리적 특성과 기계적 물성에 대해 상당히 전략적이고 정교한 설계가 필요하다. 이와 같은 설계과정을 거쳐 실증을 통해 소재를 개발하는 과정에는 수많은 시간과 비용 등 상당한 물리적 제약이 수반되어 진다. 하지만 미래 모빌리티용 소재는 고기능성을 요구하기 때문에 다특성 소재개발은 필수적이며 시간·비용과 같은 물리적 제약을 극복하기 위해 최근 데이터 기반의 인공지능을 활용한 소재 개발 연구가 활발히 진행되고 있다. 그림 4는 다양한 인공지능 모델을 활용한 합금 개발 예시를 보여주고 있다. 이처럼 인공지능을 활용한 소재 개발은 과거의 반복적인 실험을 통해 최적점을 찾아가는 방식을 벗어나 수년에서 수십년까지 걸리던 신합금 개발 기간을 단축시킬 수 있으며 기존 실험 기반 연구를 통해 예측이 가능했던 조성군을 넘어 새로운 조성 영역까지 탐색이 가능해지게 되었다.

그림 4.다양한 인공지능 모델을 활용한 신합금 개발 예시

이러한 흐름 속에서 점점 더 강조되고 있는 부분은 소재 데이터의 중요성이다.　특히, 인공지능 모델은 입력된 데이터의 품질에 따라 예측의 정합성이 크게 달라진다. 데이터가 불균형하거나 측정 조건이 다르거나, 혹은 소재별로 데이터 품질이 일정하지 않을 경우, 모델은 잘못된 상관성을 학습해 오히려 정확도를 떨어뜨릴 수 있다. 결국 AI의 성능을 결정짓는 것은 알고리즘 자체보다도“얼마나 잘 구성된 양질의 실증 데이터를 확보하고 있는가”에 달려 있으며, 이는 실제 합금 개발 실증에서 더욱 명확하게 드러난다. 즉, 계산 데이터는 설계 자유도를 넓혀주고, 실증 데이터는 모델의 정확도와 신뢰도를 높여주는 상호 보완적 역할을 수행한다고 할 수 있다.

￭ 맺음말

인공지능을 활용한 소재 개발이 새로운 패러다임을 가져다 줄 것으로 예상되지만 이론적 배경에 기반한 분석과 실험적 검증 또한 여전히 중요한 역할을 수행 할 것이다. 실증 과정에 있어 외부 환경으로부터 복합적으로 유입되는 다양한 변수를 고려하여 원하는 특성을 만족시키기 위해서는 공정, 미세조직, 특성 간 인과관계를 깊이 이해하는 전통적 연구 방식이 반드시 필요하다. 따라서 이러한 기반 위에 미래 소재 개발 혁신을 위해 소재 데이터 기반 인공지능 기술이 필요하며, 앞으로의 소재 연구는 실험적 접근과 인공지능 활용 탐색이 상호 보완하는 형태로 발전하면서, 지금보다 훨씬 빠르고 정확한 차세대 합금 소재 개발 시대를 열게 될 것으로 사료된다.

[REFERENCE]

정영길, 김세훈, 신재혁, LCA 기반 탄소중립 대응 알루미늄 기술 개발 동향, 재료마당, 37-6 (2024)
J.M Wu, S.L Zheng, Z.Z Li, Thermal stability and its effects on the mechanical properties of rapidly solidified Al-Ti alloys, Mater. Sci. Eng. A, 289 (2000) 246–254.
Abhinav P., Tungky S., Jiri N., Sedmak P., Marcello C., Koulis P., Dmitry E., Iakovos T., Investigation of mechanical properties of Al3Zr intermetallics at room and elevated temperatures using nanoindentation, Intermetallics, 154, (2023), 107825
Sun Yong Kwon, Dongwon Shin, Richard A. Michi, Jonathan D. Poplawsky, Hsin Wang, Ying Yang, Sumit Bahl, Amit Shyam, Alex Plotkowski, Effect of microalloying additions on microstructural evolution and thermal stability in cast Al-Ni alloys, J. alloy. Compd., 997(2024)174810