이미지 분석 및 소재 R&D 가속화 플랫폼 프로세스 구상도 / 사진. 폴리머라이즈

AI 기반 데이터 관리 및 예측 모델링 플랫폼 기업 폴리머라이즈(Polymerize)와 이미지 분석 AI 솔루션 ‘GeXeL’을 개발하는 KNiT Corporation(이하 KNiT)이 소재·화학 산업의 R&D 혁신과 디지털 전환(DX) 가속화를 위한 전략적 업무협약(MOU)을 체결했다.

양사는 이번 협약을 통해 전자현미경(SEM·TEM) 이미지와 외관 사진 등 기존에는 활용이 제한적이었던 비정형 이미지 데이터에서 고정밀 특징량을 추출·정량화하고, 이를 머신러닝 기반 예측 모델과 연계하는 데이터 분석 체계를 공동 구축할 계획이다. 이미지 분석부터 AI 모델링, 소재 설계, 공정 최적화까지 이어지는 통합 워크플로를 제공해 소재 개발 과정의 데이터 기반 의사결정을 지원한다는 전략이다.

최근 소재·화학 산업에서는 AI를 활용한 데이터 관리 시스템과 소재 인포매틱스(Material Informatics, MI) 도입이 빠르게 확산되고 있다. 그러나 연구 현장에 축적된 방대한 전자현미경 이미지와 외관 사진 등 비정형 데이터는 정량화가 쉽지 않아 분석 대상에서 제외되는 사례가 적지 않았다. 여전히 많은 기업이 연구원의 육안 검사와 수작업 측정에 의존하면서 분석 결과의 개인차, 업무 부담, 데이터 활용 한계 등의 문제를 겪고 있다.

양사는 이러한 한계를 해결하기 위해 이미지 분석과 AI 기반 소재 데이터 분석 기술을 결합했다. KNiT의 이미지 분석 기술과 폴리머라이즈의 소재 AI 플랫폼을 연계함으로써 비정형 데이터를 정량화하고 AI 예측 모델에 활용할 수 있는 새로운 R&D 환경을 제공할 예정이다.

이번 협력의 핵심은 이미지 데이터를 R&D에 활용 가능한 정량 데이터로 전환하는 것이다. KNiT의 이미지 분석 AI는 입자 크기와 분산도, 형상, 결함 분포 등 세부 특징량을 자동으로 추출한다. 이렇게 생성된 데이터를 폴리머라이즈의 AI 플랫폼에 학습 데이터로 축적해 소재 물성과 공정 조건 간 상관관계를 분석하고 예측 모델을 고도화할 수 있다.

이를 통해 기존에는 연구자의 경험에 의존했던 이미지 평가를 표준화할 수 있다는 점이 가장 큰 장점으로 꼽힌다. 동일한 이미지에서 동일한 결과를 도출하는 재현성을 확보함으로써 연구원 간 편차를 줄이고, 그동안 활용되지 못했던 이미지 데이터를 R&D 자산으로 전환할 수 있다.

또한 이미지 특징량과 최종 물성을 연결하는 데이터 분석도 가능해진다. 제조 조건 변화가 미세 구조에 어떤 영향을 미치는지, 그리고 이러한 변화가 강도와 품질, 내구성 등 최종 물성으로 어떻게 이어지는지를 머신러닝 기반으로 분석해 소재 설계 정확도를 높일 수 있다.

AI를 활용한 역설계 기능도 R&D 효율 향상에 기여한다. 정량화된 이미지 데이터를 기반으로 목표 물성을 구현하기 위한 최적의 실험 조건과 공정 변수를 AI가 추천함으로써 시행착오를 줄이고 개발 기간 단축과 제조 수율 향상을 지원한다.

양사가 제시한 활용 사례는 복합재료와 화학 소재 산업 전반을 아우른다. 필러와 첨가제, 복합재 내 입자의 분산도와 응집도를 정량 분석해 제품 강도와 전도성 간 상관관계를 파악할 수 있으며, 접착제 박리 후 잔류물의 형태와 양을 분석해 최적의 배합비와 코팅·건조 공정 조건을 도출하는 데도 활용할 수 있다.

이와 함께 파단면 이미지를 분석해 파괴 시작 지점과 파괴 모드를 분류하고 이를 내구성 향상을 위한 소재 설계에 반영하는 등 열화 분석과 신뢰성 평가에도 적용 범위를 확대할 수 있을 것으로 기대된다.

양사는 협약을 기념해 비정형 이미지 데이터를 소재 개발에 적용하는 실무 방법론과 활용 사례를 소개하는 공동 웨비나도 개최하며, R&D과 생산기술, 디지털 전환 담당자를 대상으로 최신 AI 기반 소재 개발 프로세스를 공유할 예정이다.