【 청년일보 】 4차 산업혁명이라는 말은 이제 누구나 들어본 말이 되었을 것이다. 증기기관을 사용한 1차 산업혁명, 자동화를 통한 대량생산이 가능해진 2차 산업혁명, 정보화를 기반으로 시작된 3차 산업혁명에 이어 빅데이터와 IoT를 기반으로 시작된 것이 4차 산업혁명이다. 4차 산업혁명을 이끄는 핵심 기술에는 사물 인터넷(IoT), 로봇 공학, 인공지능(AI), 빅데이터, 그리고 3D 프린팅이 포함된다.
여기서 3D 프린팅이란 무엇일까? 직관적으로 말하자면 3D 프린터로 입체적인 형상의 제품을 출력하는 것이다. 좀 더 자세히 말하자면 우선 3D 모델링을 하여 출력하고 싶은 형상을 디자인한 후, 디자인한 모양을 3D 프린터가 뽑아낼 수 있게 층층이 나눠 슬라이스하고, 출력 방향을 정하는 등의 과정을 거쳐 3D 프린터에 파일을 입력하면 형상을 출력하게 된다. 복잡한 단계를 거치는 것 같지만, 형상 디자인만 하면 나머지는 프로그램이 자동으로 해주는 편이다.
우리가 그나마 흔히 볼 수 있는 3D 프린터는 플라스틱 소재를 다룬다. 가장 큰 이유는 비교적 가격이 저렴하고 출력 속도가 빠르기 때문이다. 다루는 플라스틱 소재도 종류가 매우 많지만 여기서 언급하진 않겠다. 그 외에도 콘크리트 등을 3D 프린터를 통해 분사하여 집을 빠르게 짓는 기술이 개발됐다는 기사 등을 통해 알 수 있듯이 플라스틱 말고도 다양한 재료를 다룰 수도 있다.
이처럼 3D 프린터의 장점은 원하는 재료로 원하는 형상을 비교적 저렴한 가격으로 비교적 빠르게 출력할 수 있다는 점이다. 또한 전통적인 제조 방식으로는 불가능한 형상 제작도 가능하고, 기존에 있던 형상에 덧붙여서 형상을 출력하는 것 또한 가능하다는 장점이 있다. 이런 특징 때문에 제조 분야, 특히 항공우주 분야에서 자주 접목하는 기술이며, 개인 맞춤이 중요한 의료 및 헬스케어 분야, 특히 임플란트나 의족 등에도 접목하려는 시도가 계속되고 있다.
제조업에서는 특히 제조공정에 3D 프린팅을 접목하려고 하는데, 앞서 말했듯 전통적인 제조공정으로는 만들 수 없는 형상을 만들 수 있고, 기존의 형상을 만들 때도 제작 원가를 절감할 수 있기 때문이다.
예를 들면 보잉사에서 2021년에 쏘아 올린 위성의 경우 3D 프린팅 기술로 안테나를 제작했으며, 이를 통해 부품 수를 57%, 제작 원가를 90%가량 절감했다고 알려진다. 또한 맞춤형 생산이 가능하고, 티타늄처럼 전통적인 제조공정에서 가공하기 힘든 소재를 비교적 쉽게 가공할 수 있다는 장점이 있기에 제조업에서는 차후 중요한 기술로서 평가받고 있다.
특히 금속 3D 프린팅 기술의 경우 금속은 다른 소재보다 쓰임새가 다양하고, 전통적인 가공으로 다루기 힘든 금속을 다루거나, 여러 부품을 통합하여 생산함으로써 경량화 및 내구성 증폭 등을 기대할 수 있기 때문에 중요도가 높은 편이다. 하지만 금속 3D 프린팅 기술은 금속마다 요구하는 3D 프린팅의 매개변수가 제각각이기 때문에 최적화가 힘들고, 전자빔을 활용하는 방식의 경우 진공상태에서 출력해야 하는 등, 조건이 까다롭기 때문에 높은 기술력을 요구한다.
또한 전통적인 금속 가공 방식에 비해 비용적인 측면과 출력 속도 측면에서도 아주 뛰어나다고 할 수 없어 마냥 장점만을 가진 방식은 아니다. 그러나 보철물의 맞춤형 생산이나 우주항공 등의 특수 산업 등에서는 여전히 매력적인 분야이기에 연구가 활발히 지속되고 있는 것 또한 사실이다.
금속 3D 프린팅의 경우 다양한 매개변수를 조절해 가며 가장 최상의 금속 상태로 형태를 출력할 수 있는 방법을 찾는 연구가 계속되고 있다. 이때 매개변수는 대표적으로 Laser Power(레이저 출력), Scan Speed(스캔 속도), Hatch Distance(해치 간격), Bed Temperature(베드 온도), Powder Particle Size(파우더 입자 크기) 등이 있다.
또한 사용하는 금속에 따라 각각의 매개변수가 달라지며, 아직 금속별 매개변수를 최적화하기 위한 공식은 나오지 않은 것으로 알려진다. 이는 매개변수를 설정할 때 사람이 수동으로 매개변수를 설정한다는 뜻인데, 이런 경우 최적화된 매개변수를 설정하는 것은 굉장히 어려운 일이다.
아직까지 매개변수를 설정하는 공식이 없는 만큼 과학자들은 매개변수의 최적화를 다른 방식으로 접근했는데, 바로 빅데이터와 인공지능을 활용하여 매개변수의 최적값을 찾아내는 것이다.
과학자들은 금속 3D 프린팅의 매개변수 최적화를 위해 많은 연구를 진행한다. 이를 통해 수없이 많은 매개변수 조합과 그에 따른 결과가 나오게 되는데, 최근에는 수많은 매개변수 조합과 이 조합에 따른 결과들을 사용하여 기계학습을 진행하고, 이를 통해 최적값을 도출하는 방법을 연구하고 있다.
위에서 언급한 매개변수는 금속 3D 프린터의 매개변수, 즉 설정값이고, 이 매개변수를 통해 출력한 금속의 경우 Alloy Name(합금 이름), Hardness(경도), Density(밀도), Ductility(연성) 등의 매개변수를 가지게 된다. 금속 3D 프린팅의 매개변수도 그렇고, 출력된 금속의 매개변수도 그렇고 여기 작성된 매개변수와 더불어 훨씬 다양한 매개변수를 가지기 때문에 사람이 수동으로 조절하는 것은 불가능하고, 인공지능을 통해 최적화하는 것이다.
다행히 기계학습에 쓰일 데이터는 이미 충분히 많은 연구를 통해 만들어졌고, 이를 활용하기 위해 데이터 수집 및 정리, 데이터 통합 등의 과정을 거쳐야 한다. 실험을 통한 데이터들은 보통 논문에 들어있기 때문에 논문에서 데이터를 추출하여 수집할 수 있는데, 문제점은 논문의 경우 비정형 데이터에 속한다는 점이다. 즉, 정형 데이터에 비해 일반적인 방법으로는 자동으로 논문 속 데이터를 추출하기 어렵다는 뜻이다.
그렇다면 수많은 논문 속에 있는 데이터를 수동으로 추출해야 하는가? 이 역시 불가능한 일이다. 그래서 LLM을 활용한 논문 속 데이터 추출을 시도해 볼 수 있다. 여기서 LLM은 대형 언어 모델로서 가장 친숙한 것은 Chat GPT이다.
Chat GPT 4.0부터는 PDF 파일이나 이미지 파일 등을 인식할 수 있고, 해당 파일에서 데이터를 추출할 수 있다. 이 기능을 활용하여 논문 PDF를 삽입하고, 원하는 데이터만 추출해달라고 요청한다면 좀 더 쉽게 데이터 수집을 할 수 있을 것이다. 물론 주의해야 할 점으로는 Chat GPT 답변의 신뢰도가 항상 일정하게 높지 않다는 점인데, 이는 Chat GPT가 사용자의 의도를 잘못 이해했거나, 삽입한 논문의 내용을 혼동하는 경우 논문에 존재하지 않는 데이터를 사용자에게 제공하거나, 반대로 논문에 존재하는데 놓쳐 사용자에게 제공하지 않는 경우가 존재할 수 있다.
이를 해결하기 위해서는 GPTs라는 기능을 사용해 볼 수 있는데, GPTs는 사용자 맞춤 설정이 가능한 GPT 기능이다. 이를 통해 원하는 명령을 정확하게 전달하게 설정하고, 부정확한 데이터를 제공하지 않게 설정하면, 위에서 말한 오류를 피할 수 있을 것이다.
이처럼 Chat GPT를 통해 논문에서 데이터를 자동으로 추출한다면 기계학습에 필요한 만큼의 양을 쌓을 수 있을 것으로 기대된다. 또한 갈수록 더 많은 데이터가 생성되어 기계학습을 통해 생성된 모델의 정확도는 갈수록 정확해질 수 있다. 이처럼 빅데이터와 인공지능은 마치 관련이 없는 산업처럼 보이는 3D 프린팅에도 접목되며, 빅데이터와 인공지능의 영향력을 엿볼 수 있다.
여러 연구를 통해 금속 3D 프린팅의 데이터가 쌓이고, 이를 활용한 인공지능을 통해 금속 3D 프린팅의 매개변수가 최적화된다면, 개인 맞춤형 금속 제품의 가격이 낮아지고, 제조 공정의 경우 더 효율적인 생산이 가능할 것으로 기대된다. 또한 더 나아가 금속 3D 프린터 기술 자체도 발전하여 사용 환경에 대한 강건성이 높아진다면, 지금의 플라스틱 3D 프린터처럼 대학이나 개인이 금속 3D 프린터를 다루는 날도 올 것으로 기대된다. 이처럼 금속으로 무엇이든 만들 수 있는 금속 3D 프린터의 전성기가 하루빨리 오기를 바라본다.
【 청년서포터즈 7기 박성영 】
