3D프린팅 결정립 조직을 기하 정보로 생성하는 방법

안녕하세요. 3D프린팅·CNC·다양한 소재 전문 플랫폼 기업 아이컨택입니다.

결정립의 위치와 방향별 모양을 간결한 정보로 나타내면, 3D프린팅 사례를 닮은 2차원 조직을 생성할 수 있다. 동료 심사 전 사전 공개 논문에서 연구진이 보여준 방법이다.

AI 개념 이미지: 층마다 길쭉한 결정립의 방향이 번갈아 바뀌는 2차원 금속 조직을 보여준다. 실제 시편이나 장비를 촬영한 사진은 아니다.

결정립의 위치와 방향별 모양을 어떻게 표현하나

결정립은 금속 내부에서 결정이 일정한 방향으로 배열된 작은 영역이다. 그 형태와 공간적 배열은 재료 성질에 영향을 준다. 이를 자세히 살피는 전자후방산란회절(EBSD) 측정은 유용하지만, 생성 모델용으로 크고 다양한 자료를 모으려면 시간과 비용이 많이 든다.

확보한 EBSD 영상도 수가 적거나 잡음이 섞여 있을 수 있다. 시편 전체를 한 번에 처리하기에는 영상이 너무 큰 경우도 있어, 영상 자체를 학습 자료로 쓰기 어렵다.

기존의 보로노이 도형과 파워 다이어그램은 공간을 나눠 결정립을 간결하게 나타낸다. 하지만 방향에 따라 모양이 다른 결정립이나 굽은 경계를 표현하는 데는 한계가 있다. 길쭉한 결정립을 그리려면 방향까지 표현할 규칙이 필요하다.

연구진은 이방성 파워 다이어그램(APD)이라는 공간 분할 방식으로 결정립을 표현했다. 각 결정립의 기준점은 위치를, 타원 형태의 정보는 길어지는 방향과 모양을, 가중치는 차지하는 영역의 크기를 좌우한다.

완성된 영상의 픽셀을 직접 생성하는 대신 이런 기하 정보를 생성한다. 그래서 결정립 수가 달라도 다룰 수 있고, 만든 조직을 원하는 픽셀 해상도로 그릴 수 있다. 해상도를 높인다는 말은 이 경우 같은 정보를 더 촘촘한 영상으로 표시한다는 뜻이다.

모델은 단순한 무작위 출발값을 학습한 조직의 형태로 조금씩 바꾼다. 연구진은 학습을 다시 하지 않고도 생성 과정에 원하는 특징을 지정했다. 목표가 정하지 않은 국소적인 결정립 모양은 모델이 채운다.

모델에는 회전할 때의 일관성도 반영했다. 입력으로 쓰는 무작위 값을 회전시키면 생성된 조직도 그에 맞춰 회전하도록 설계한 것이다.

논문의 3D프린팅 사례에서는 가로 방향 여섯 층에 걸쳐 길쭉한 결정립의 방향을 번갈아 지정했다.

연구진은 대표적인 실험 조직과 눈으로 보기에 비슷한 결과를 얻도록 목표값과 유도 강도를 수동으로 골랐다. 실험 영상은 정성적 비교에만 사용했다. 모델은 합성 APD 자료로만 학습됐으므로 실제 조직의 세부 통계까지 충실한지는 아직 검증되지 않았다.

학습을 다시 하지 않고 특징을 지정하는 제어도 근사적이다. 목표를 지나치게 강하게 주거나 서로 충돌하는 목표를 함께 주면, 결과가 모델이 학습한 자료의 범위를 벗어날 수 있다.

아이컨택의 시선에서, 층마다 길쭉한 결정립의 방향을 달리한 조직 형태를 살펴봐야 한다면 방향을 층별 조건으로 주어 2차원 형상 후보를 만들어 볼 만하다.