지난 7월 12일부터 17일까지 독일 드레스덴에서 개최된 제19회 International Symposium on Novel and Nano Materials(ISNNM 2026)에서 국민대학교 신소재공학과 나노융합 구조소재 실험실 소속 이우영 석박통합과정생(지도교수 최현주)이 ASFLOW Best Presentation Award를 수상하며 우수한 연구 성과를 알렸다.

7000계(Al-Zn-Mg-Cu) 알루미늄 합금은 우수한 비강도로 항공우주 및 수송기기 분야의 핵심 구조재료로 사용되고 있으며, 그 기계적 특성은 시효 열처리 과정에서 형성되는 나노 석출상의 미세조직에 의해 결정된다. 그러나 합금 조성과 열처리 조건에 따라 석출 거동이 복잡하게 변화하기 때문에, 최적의 조성-공정 조합을 찾기 위해서는 방대한 실험적 시행착오가 요구되어 왔다. 최근 머신러닝을 활용한 데이터 기반 소재 설계가 이러한 한계를 극복할 대안으로 주목받고 있으나, 신뢰할 수 있는 실험 데이터의 확보에 많은 시간과 비용이 소요된다는 점이 여전히 큰 제약으로 남아 있다. 이에 따라 적은 데이터로도 효율적으로 학습하고, 다음에 수행할 실험을 모델이 스스로 제안하는 능동학습(active learning) 전략이 중요한 연구 주제로 부상하고 있다.

이에 이우영 석박통합과정생은 「Rapid Prediction of Precipitate Microstructures in 7000-Series Aluminum Alloys Using DSC–TEM Correlation and Gaussian Process Regression」를 주제로 구두 발표를 진행하였다. 본 연구는 CALPHAD 열역학 계산 기반 특징(feature)을 가우시안 프로세스 회귀(GPR) 모델에 결합하여 7xxx계 알루미늄 합금의 석출 미세조직을 예측하고, 열역학 정보가 반영된 특징이 예측 정확도는 유지하면서도 능동학습의 데이터 탐색 효율을 크게 향상시킨다는 점을 규명함으로써, 제한된 실험 데이터 환경에서도 합금 설계와 열처리 공정 최적화에 필요한 실험 횟수를 대폭 줄여 데이터 기반 합금 설계의 실용화를 앞당길 수 있는 방법론을 제시했다는 점에서 의미가 크다.