계산재료과학이란?

계산 재료과학은 여러 학문에 걸친 분야로, 기초 연구와 제품 설계 모두에서 더욱 효율적인 재료 발견, 재료 설계, 고장 특성 분석 및 재료 모델링을 가능하게 합니다. 계산 재료과학은 엔지니어가 재료의 거동 및 기계적, 열적, 전자기적 속성 등 재료의 속성을 조사할 수 있도록 하는 일련의 방법론으로 구성됩니다.

새로운 재료 설계를 이해하는 능력 외에도, 계산 재료과학은 여러 학문에 걸친 연구를 통해 지식 전달을 가능하게 했습니다. 계산 재료과학의 발전으로 이제 더 많은 산업 분야에서 여러 번의 프로토타입 제작 과정 없이도 더욱 효율적인 재료 시스템 및 성능이 향상된 제품을 설계할 수 있게 되었습니다.

계산 방법은 첨단 재료, 복합 재료(세라믹, 탄소 및 고분자 복합 재료) 및 기타 고체 재료를 포함한 화학 및 재료과학 연구 개발의 여러 분야에서 사용됩니다. 또한 계산 재료과학은 에너지 생산 및 반도체를 비롯한 많은 기술 응용 분야로 확장됩니다.

오늘날 계산 재료과학은 컴퓨팅 성능과 시뮬레이션 소프트웨어의 발전에 따라 지속적으로 진화하고 있습니다.

지난 몇 년간 가장 두드러진 동향 중 하나(이제는 하나의 특징이 됨)는 공정 모델링과 제조 공정이 재료의 속성에 미치는 영향 간의 연관성입니다. 더 많은 기업이 디지털 제조를 도입함에 따라, 계산 재료과학 방법론은 이러한 공정을 이해하고 개선할 수 있는 더 많은 기능을 제공합니다.

최근 몇 년 동안 많은 개발과 활용이 이루어진 또 다른 분야는 다중 스케일 모델링입니다. 이 모델링은 계산 및 엔지니어링 기술을 결합하여 원자 수준부터 거시적 수준에 이르기까지 다양한 길이 스케일에 걸쳐 재료 속성과 재료 거동을 예측하고 최적화합니다. 이는 재료 설계 시 널리 사용되는 시뮬레이션 접근 방식이 되고 있습니다. 또한 투과 전자 현미경(TEM), 주사 전자 현미경(SEM) 등의 실험적 특성 분석 기술과 결합하여 나노 스케일부터 그 이상 스케일의 재료 설계까지 더욱 발전시키고 있습니다.

소프트웨어 측면에서 오늘날 많은 분야와 마찬가지로 가장 거대한 최신 동향 중 하나는 Artificial Intelligence(인공지능)입니다. 다양한 AI 알고리즘을 사용해서 관련 시뮬레이션(및 실험) 데이터를 입력받아 재료 속성 및 공정을 더 효과적으로 예측하고 최적화할 수 있습니다. AI는 계산 재료과학 및 재료 정보학 분야에서 성숙 단계에 접어들고 있는 틀로, 머신러닝 알고리즘을 사용하여 재료 속성을 예측하고 재료 개발 효율성을 향상시킬 수 있습니다.

계산 재료과학은 원자 및 나노 스케일 수준을 포함하여 낮은 길이 스케일에서 재료의 구조와 속성을 이해하는 데 활용할 수 있습니다.

재료 자체를 모델링할 뿐만 아니라, 고처리량 계산 스크리닝은 대규모 데이터베이스에서 아직 제조되지 않은 재료의 알려진 속성(구성 및 결정 구조 기반)을 활용하여 특정 응용 분야에 이상적인 속성을 가진 재료/재료 구조를 식별할 수 있습니다. 관심 대상 재료는 대개 여러 가지 바람직한 속성을 가지고 있으므로, 이 접근 방식은 한 번에 하나의 속성에 집중하여 여러 속성을 탐색하면서 시간이 지남에 따라 잠재적으로 적합한 재료의 수를 좁혀 나갑니다. 이러한 방식은 최적의 결과를 찾기 위해 시행착오를 거치는 실험적 접근 방식을 사용하지 않아도 되므로 시간과 에너지를 절약하고 재료 개발을 가속화할 수 있습니다. 그러나 이러한 시뮬레이션에는 계산 비용이 많이 들고, 많은 시간이나 처리 성능이 뛰어난 컴퓨터(또는 둘 다)도 필요합니다.

많은 계산 모델링 방법은 원자 수준에서 시뮬레이션하며, 핵심 방법의 다양한 변형이 특정 재료 및 응용 분야에 맞게 적용되고 있습니다. 모든 접근 방식 중에서 밀도 함수 이론(DFT) , 분자 동역학(MD) 시뮬레이션 및 몬테카를로 시뮬레이션이 가장 일반적입니다.

• 밀도 함수 이론(DFT): DFT는 양자 역학 모델로, 전자의 밀도를 기반으로 재료 내 전자의 거동을 시뮬레이션하는 양자 역학 모델입니다. 이 모델은 화학 및 에너지 속성을 추론하는 데 가장 널리 사용되는 전자 구조 방법으로, 재료의 바닥 상태 속성(원자의 최저 에너지 상태) 및 기계적 속성을 예측합니다.
• 분자 동역학(MD): MD는 물리 기반 모델로, 시뮬레이션에서 모든 원자가 어떻게 작동하고 다른 원자와 어떻게 상호 작용하는지 예측하고, 시간이 지남에 따라 원자가 물리적으로 어떻게 움직이는지에 대한 통찰력을 제공합니다. 원자의 위치와 응력을 이용하여 재료의 속성을 예측할 수 있으며, MD 시뮬레이션의 정확도를 높이고 계산 비용을 줄이기 위해 머신러닝 기술이 MD 시뮬레이션에 통합되고 있습니다.
• 몬테카를로: 몬테카를로 시뮬레이션은 반복적인 무작위 샘플링을 사용하여 결과가 나올 확률을 예측하는 계산 알고리즘입니다. 몬테카를로는 입자 상호 작용과 복잡한 시스템을 시뮬레이션하는 확률 기반 툴입니다.

많은 계산 툴은 원자 스케일뿐 아니라 재료의 여러 층 전체에 걸친 훨씬 더 큰 스케일에서 재료의 속성을 예측하는 데에도 사용됩니다. 이러한 다중 스케일 모델링 접근 방식은 재료의 거시적 속성(기계적, 전자기적 등)을 살펴보고, 미세 구조를 조사하며, 극한 조건(특히 까다로운 응용 분야)에서 재료가 어떻게 거동하는지 확인합니다.

더 큰 스케일의 모델링 방법은 연속체 수준 모델링이라는 큰 범주에 속하며, 더 작은 분자 규모에서 얻은 정보를 사용하여 더 큰 재료 시스템과의 연결을 설정합니다. 이러한 순차적 접근 방식을 통해 원자 수준에서 더 정밀하지만 계산 비용이 많이 드는 모델링을 수행할 수 있으며, 기본 원리가 확립되면 계산 집약도가 낮은 마이크로스케의 모델링을 수행할 수 있습니다.

재료 시스템 전체를 모델링하는 데 사용할 수 있는 다양한 계산 툴이 있지만, 일반적으로 사용되는 툴로는 유한 요소법(FEM), 위상장법, 상평형도 및 열화학의 컴퓨터 결합(CALPHAD) 등이 있습니다.

• 유한 요소법(FEM): FEM은 미분 방정식을 사용하여 복잡한 재료 시스템을 더 작은 요소의 메시로 분할하는 수치 기반 시뮬레이션이며, 각 "요소"를 개별적으로 조사할 수 있습니다. 엔지니어는 각 요소의 거동을 이해함으로써 특정 조건에서 전체 재료의 거동을 이해할 수 있습니다. FEM은 재료의 구조 분석뿐만 아니라 질량 전달, 유체 흐름 및 재료의 전자기적 속성을 조사하는 데 사용됩니다. FEM의 결과는 유한 요소 해석(FEA)을 통해 해석할 수 있습니다.
• 위상장 시뮬레이션: 위상장 모델은 재료 경계면에서 발생하는 문제를 해결하는 수학적 모델입니다. 이러한 모델은 대개 재료의 고형화 및 계면 동역학을 모델링하는 데 사용되며, 파괴 역학, 취성 등의 기계적 속성을 연구하는 데 활용될 수 있습니다. 또한 결정학적 방향, 특정 위상 등의 특정 파라미터를 기반으로 재료의 미세 구조를 검사하는 다상 모델을 구축하는 데 사용할 수 있으며, 여러 열역학적 상이 있는 재료의 속성을 조사할 수 있습니다.
• CALPHAD: 상평도를 생성하는 모델로, 다양한 온도와 화학 조성에서 재료의 상 안정성을 예측합니다. 이러한 모델은 재료 내 각 상의 열역학적 속성을 이용하여 시뮬레이션을 수행하며, 다양한 조건에서 재료의 거동을 더 적절히 이해하는 데 자주 사용됩니다.

다른 시뮬레이션이나 계산 방법과 마찬가지로 계산 재료과학 접근 방식 사용에도 장점과 단점이 있습니다. 또한 어떤 툴을 선택하느냐에 따라 장점과 단점이 달라질 수 있습니다. 한 재료에 적합한 시뮬레이션 접근 방식이 다른 재료에는 항상 적합한 것은 아니기 때문입니다. 다양한 계산 툴 세트가 사용될 수 있음에도, 일반적인 장점과 단점은 있습니다.

계산 재료과학의 기회

• 제품 개발 초기 단계에서 시행착오 방식을 목표 지향적인 시뮬레이션으로 대체함으로써 재료 합성 및 테스트를 모두 포함하는 광범위한 실험 개발의 필요성을 줄일 수 있습니다.
• 실험을 통해 얻기 어려운 매우 구체적인 속성, 공정, 기본 메커니즘, 재료 환경 및 응용 시나리오를 조사하는 데 사용할 수 있습니다.
• 계산 재료과학을 통해 기초 재료과학과 다른 산업 및 응용 분야 간의 격차를 해소할 수 있습니다.
• 계산 재료과학을 통해 많은 산업이 재료에 대해 더 적절히 이해할 수 있습니다.
• 계산 재료과학을 통해 최종 사용자가 고정관념에서 벗어나 재료를 설계 파라미터로 고려하여 더욱 복잡한 재료를 개발할 수 있습니다.

계산 재료과학의 한계

• 재료의 구조와 속성 관계에 대해 얻은 정보가 때로 지나치게 일반화될 수 있지만 실험에서는 대부분의 속성과 재료 파라미터는 대개 특정 값으로 정량화할 수 있습니다.
• 일부 메커니즘의 복잡성으로 인해 재료 거동을 제대로 이해하려면 실험을 수행해야 합니다. 고장, 파손 등의 현상은 계산만으로는 파악하기 매우 어렵습니다.
• 시뮬레이션은 사용 가능한 계산 성능에 제약을 받아 시뮬레이션 시간이 길어집니다.

계산 재료과학의 과제

• 특정 사례에 맞는 계산 과학 방법론을 개발하기 어렵기 때문에 투자 수익률(ROI)이 불분명합니다.
• 이 방법은 비용이 많이 들고 시간이 오래 걸리는 과정이며, 방법론을 재사용할 경우에만 유리합니다.
• 계산 모델의 모든 이점을 활용하려면 대개 특정 분야의 전문 지식이 필요합니다.

앞서 언급했듯이, AI 알고리즘의 사용은 계산 재료과학에서 일반화되고 있지만, AI는 재료 공학 및 기계 공학 분야의 엔지니어에게 정확히 어떻게 도움이 될까요?

AI는 원자 수준에서 미시적 수준까지 활용도가 높아지고 있으며, 시뮬레이션 소프트웨어의 예측 기능을 향상시켜 더욱 정확한 재료 속성을 파악하는 데 도움이 되고 있습니다. 머신러닝은 DFT와 유사한 수준의 정확도를 제공함으로써 MD 시뮬레이션에도 큰 영향을 미치고 있습니다. (DFT 정확도가 일반적으로 더 높습니다.) 자동화된 특성 분석, 자율 실험실, 공정 최적화, 다중 스케일 모델링과 같은 다른 AI 응용 분야도 등장하고 있습니다.

상용 AI 기술의 급속한 발전으로 다양한 옵션이 생겨나고 있으며, 오늘날 사용 중인 AI는 재료과학 정보 활용도를 높이고 있습니다. 계산 재료과학 분야에서 AI의 활용은 여전히 ​​전환기에 있으며, 다음 두 가지 중 하나가 발생할 때 더 많은 툴에 걸쳐 광범위하게 통합될 가능성이 높습니다.

• 기술적으로 AI를 사용해야 하는 경우입니다.
• 재료과학 커뮤니티가 재료 설계의 더 많은 영역에서 AI를 사용하는 것이 비용 효율적인 경우입니다.

새로운 재료는 고급 기능과 특성을 구현하기 위해 본질적으로 더욱 복잡해지고 있으며, 다양한 재료 설계 단계에서 사용 가능한 모든 툴을 최대한 활용하는 것이 그 어느 때보다 중요합니다.

Synopsys와 합병한 Ansys가 매크로스케일에서 도울 수 있으며, 재료 과학자를 위한 다양한 시뮬레이션 툴로도 재료의 다중 스케일 시뮬레이션을 수행할 수 있습니다. 재료 시스템의 구조와 속성을 시뮬레이션할 때 모든 경우에 적용되는 단일 접근 방식은 없다는 점에 유의해야 합니다. 해당 재료와 응용 분야에 따라 Ansys에서 사용하는 내부 툴부터 Python 기반 접근 방식에 이르기까지 다양한 시뮬레이션 툴을 조합하여 사용할 수 있습니다.

다음은 재료 설계 단계에서 사용할 수 있는 Ansys 툴의 예입니다.

• Ansys LS-DYNA 비선형 동역학 구조 시뮬레이션 소프트웨어: LS-DYNA 소프트웨어를 사용하여 마이크로스케일과 매크로스케일을 결합한 다중 스케일 시뮬레이션을 제공할 수 있습니다.
• Ansys Materials Designer 툴: Materials Designer 툴을 사용하여 재료망을 연구하고 미세 구조를 살펴볼 수 있습니다. 또한 이 툴은 균질화 연구를 위한 기본 추가 기능 및 사용자 친화적인 프런트 엔드를 제공합니다.
• Ansys Granta 재료 정보, 선택 및 데이터 관리 제품군: 설계 과정에서 Granta 소프트웨어를 사용하여 재료 데이터를 관리하고 다양한 모델을 지원할 수 있습니다. 또한 Granta AI 플러그인을 사용하여 데이터 관리 및 지원을 개선할 수도 있습니다.
• Ansys Minerva 시뮬레이션 프로세스 및 데이터 관리 소프트웨어: Minerva 소프트웨어는 안전한 시뮬레이션 및 프로세스 데이터를 제공하여 재료 설계 과정 전반에 걸쳐 생성된 모든 시뮬레이션 및 데이터에 대한 추적 기능을 보장합니다.
• Ansys Mechanical 구조 유한 요소 해석 소프트웨어: Mechanical 소프트웨어를 통해 마이크로스케일과 매크로스케일을 결합한 다중 스케일 시뮬레이션에 결정 소성 및 MAPDL을 사용할 수 있습니다. 다양한 상을 가진 대표 기본 부피(RVE)를 테스트할 때 다중점 제약 조건(MPC)을 통해 주기적 경계를 에뮬레이션할 수 있습니다.

Ansys는 재료 및 시뮬레이션 엔지니어의 전문 지식을 활용하여 고객의 재료 설계 프로세스 요구 사항에 적합한 맞춤형 접근 방식을 제공합니다. 귀사의 재료 시스템에 적합한 최적의 툴 조합을 알아보려면 Ansys 엔지니어링 팀에 문의하여 맞춤형 시뮬레이션 솔루션을 받아보십시오.

관련 리소스