-
건설재료의 성능 평가를 위한 실험 자동화 시스템 개발
빅데이터와 인공지능 기반의 건설재료 품질관리 혁신 기술 제시
우리 대학 건설및환경공학과 김재홍 교수 연구팀은 시멘트 분산제의 성능을 정밀하게 평가할 수 있는 자동화 실험 시스템을 개발했다. 이 시스템은 기존 수작업 실험의 한계를 극복하고, 데이터 사이언스와 머신러닝 기법을 활용해 시멘트 기반 재료의 품질 관리를 혁신적으로 개선할 수 있는 길을 열었다.
건설재료 품질관리의 도전과제
콘크리트는 전 세계에서 가장 많이 생산되는 공학 재료지만, 시멘트와 골재 같은 원재료가 지역마다 성질이 달라 품질과 성능의 변동성이 크다. 따라서 콘크리트 재료의 성능 시험에는 많은 수의 샘플이 필요하며, 이는 노동 집약적인 작업으로 이어진다.
김재홍 교수는 "건설재료는 다른 공학 재료에 비해 변동성이 매우 크기 때문에, 재료의 성능평가 신뢰성을 높이려면 충분한 양의 데이터가 필요합니다. 이를 위해서는 많은 수의 샘플을 제조하고 테스트해야 하는데, 기존의 수작업 방식으로는 단순히 품질 검증을 위한 작은 수의 샘플을 사용하여 현장에서 불량 레미콘 등의 문제가 종종 발생하고 있습니다"라고 설명했다.
혁신적인 자동화 실험 시스템
연구팀이 개발한 자동화 실험 시스템은 230mL 모르타르 샘플의 레올로지 특성을 정밀하게 측정할 수 있다. 이 시스템은 시료 준비, 재료 혼합, 레올로지 측정 등의 과정을 모두 자동화하여 인력 투입 없이도 정확하고 일관된 데이터를 생산할 수 있다.
연구팀은 이 시스템을 사용해 130개의 모르타르 샘플을 분석하여 시멘트 분산제의 효과를 포괄적으로 특성화했다. 주성분 분석(PCA)을 통해 토크 측정값의 뚜렷한 패턴을 발견했으며, 이를 통해 패턴의 분산을 설명하고 분산제 성능 차이를 효과적으로 포착할 수 있었다.
특히 이 자동화 시스템은 7%의 변동 계수로 우수한 재현성을 달성했으며, 이는 재료의 고유한 변동성으로 간주될 수 있다. 또한 관찰 기반 학습을 통해 시스템의 유용성을 확장하여 유동성과 블리딩 속도를 성공적으로 예측할 수 있었다. 이 내용은 건설공학 분야에서 권위 있는 학술지인 Cement and Concrete Research에 "Automated experimentation for evaluating cement dispersant performance"라는 제목으로 게재되었다.
(https://doi.org/10.1016/j.cemconres.2025.107895)
연구 결과 및 향후 계획
연구 결과는 3세대 시멘트 분산제의 우수한 성능을 확인하는 동시에, 분산제 사용량-레올로지 관계에 대한 통합적인 분석을 제시하였다. 이러한 자동화 실험 방식은 시멘트 기반 재료의 더 효율적이고 포괄적인 평가를 위한 프레임워크를 확립했다는 데 의의가 있다. 김재홍 교수는 "이번 연구에서 개발한 자동화 실험 시스템은 단순히 실험 과정을 자동화하는 것을 넘어, 데이터 사이언스와 머신러닝을 통합하여 건설재료의 품질관리 패러다임을 변화시킬 수 있는 잠재력을 가지고 있습니다"라고 강조했다.
한편, 연구팀은 건설재료의 성능 평가를 위한 자동화 실험 시스템 개발에 앞서, 건설재료의 특성에 적합한 머신러닝 알고리즘을 개발하였다. KAIST 건설및환경공학과/데이터사이언스대학원 강인국 박사과정이 제1저자로 참여한 관찰 기반 학습(observation-based learning), 도메인 적응(domain adaptation) 학습 알고리즘 등에 관한 연구는, 건설공학 분야에서 권위 있는 학술지인 Cement & Concrete Composites 등에 게재되었다.
(https://doi.org/10.1016/j.cemconcomp.2025.105943, https://doi.org/10.1016/j.conbuildmat.2023.133811).
연구팀은 앞으로 이 자동화 시스템을 확장하여 시멘트 분산제 성능 평가뿐만 아니라 강도 발현, 수화열, 내구성 등 다양한 콘크리트 성능 지표에 대한 자동화 실험을 수행할 계획이다. 또한 해외건설 및 국내건설 현장의 건설재료 변동성으로 인한 시공실패를 사전에 예측하고 방지하기 위한 성능평가 실험 자동화 및 로봇 플랫폼을 확장 구축할 예정이다.
김 교수는 "궁극적으로 우리의 목표는 건설산업에서 전문 테크니션 부족 문제, 기능인력 노령화 문제, 주52시간제 시행 등에 대응하기 위한 건설재료 품질관리 및 성능평가의 완전한 자동화 시스템을 구축하는 것입니다. 이를 통해 데이터 기반의 의사결정이 가능한 스마트 건설 환경을 조성하고자 합니다"라고 밝혔다.
이 연구는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행되었다.
2025.04.14
조회수 664
-
강수 관측 오차범위 42.5% 줄인 알고리즘 개발
강수량의 정확한 파악은 지구의 물 순환을 이해하고 수자원과 재해 대응을 위해 중요하다. 강수량 추정을 위한 알고리즘에는 다양한 방법들이 제안되어 왔으며, 최근에는 기계학습을 이용한 방법들이 많이 제안되고 있다.
우리 대학 문술미래전략대학원(건설및환경공학과 및 녹색성장지속가능대학원 겸임) 김형준 교수와 도쿄대 등으로 구성된 국제 공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터의 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습 방법을 제안했다고 25일 밝혔다. 연구팀은 기존의 방법과 비교해 전 강수량에 대해 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했다.
단순한 데이터 주도(data-driven)모델은 대량의 훈련 데이터가 필요하고 물리적인 일관성이 보장되지 않으며 결과의 원인 분석이 어렵다는 등의 문제가 있었다. 연구팀은 이번 연구에서 위성 강수량 추정에 대한 분야 지식을 명시적으로 포함함으로써 학습 모델 내의 상호 의존적인 지식 교환을 구현했다. 구체적으로, 멀티태스크 학습(multitask learning)이라는 심층 학습 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합하고 동시에 학습시켰다.
이번 연구에서 제안한 기계학습 모델에는 이번에 포함된 메커니즘 외에도 다양한 물리적 메커니즘을 포함할 수 있다. 예를 들어, 비 또는 눈, 진눈깨비 등 강수 종류의 분류 및 상승 기류 또는 층상 구름 유형 등 강수를 일으키는 구름 유형의 분류를 포함함으로써 앞으로 추정의 정확도가 더욱 향상될 것으로 기대된다.
김형준 교수의 이번 연구 결과는 국제 학술지 ‘지구물리 연구 레터(Geophysical Research Letters)’에 지난 4월 16일 출판됐다. (논문명: Multi-Task Learning for Simultaneous Retrievals of Passive Microwave Precipitation Estimates and Rain/No-Rain Classification; doi:10.1029/2022GL102283)
한편 이번 연구는 한국연구재단 해외우수과학자유치사업(BP+)와 정보통신기획평가원 인공지능대학원지원(한국과학기술원)지원을 받아 수행됐다.
2023.04.25
조회수 7191
-
지구온난화와 태풍 호우 빈도 상관관계 최초로 증명
우리 대학 문술미래전략대학원(건설및환경공학과 겸임) 김형준 교수가 국제 공동 연구를 통해 과거 50여 년간 관측된 동아시아 지역의 태풍에 의한 호우 빈도의 증가가 인간 활동에 의한 기후변화의 영향이었음을 지구 메타버스 기술을 이용해 처음으로 증명했다고 29일 밝혔다. 김형준 교수의 이번 연구 결과는 국제 학술지 ‘네이처 기후변화 (Nature Climate Change)’4월 28일 판에 출판됐다. (논문명: Observed influence of anthropogenic climate change on tropical cyclone heavy rainfall; doi:10.1038/s41558-022-01344-2)
태풍에 의해 초래되는 호우는 홍수나 산사태 등의 재해를 일으키고 지역의 생태계에도 영향을 주는 등 인간 사회 있어서 커다란 위협 중 하나라고 할 수 있다. 태풍에 의한 호우의 빈도가 과거 몇십 년간 변화되어 온 사실은 세계 각지에서 보고돼왔다. 그러나 태풍은 우연성이나 기후 시스템의 자연 변동 혹은 우연성에 의한 영향 또한 존재하기 때문에 인간 활동에 의한 온난화가 태풍 유래의 호우 빈도에 어느 정도 영향을 주고 있는지는 아직 밝혀지지 않고 있다.
KAIST와 교토 첨단 과학대학으로 구성된 국제 공동 연구팀은 일본을 포함하는 북서태평양에 있어서의 태풍에 의한 호우 빈도를 과거 약 50년간의 관측 데이터로 확인한 결과 중국 남동부의 연안 영역부터 한반도 그리고 일본에 걸쳐 호우의 빈도가 증가하고 남쪽의 지역에서는 감소한 사실을 발견했다. 연구팀은 이러한 변화의 원인을 밝히기 위해 인간 활동에 의한 온실가스의 배출이 있는 지구와 그렇지 않은 지구를 시뮬레이션한 지구 메타버스 실험을 이용해 발견된 변화가 인간 활동에 의한 온난화의 영향을 배제하고서는 설명할 수 없음을 보이는 데 세계 최초로 성공했다.
교신 저자인 우리 대학 김형준 교수는 “이번 연구는 동아시아에서 태풍에 의한 호우의 발생 확률이 최근 반세기에 걸쳐 유의미하게 증가했음을 밝히고 그러한 변화에 이미 인류의 흔적이 뚜렷하게 남겨져 있음을 증명한다”며, “이는 기후변화의 영향을 이해하는데 중요한 단서가 되며 동시에 탄소중립을 성공적으로 달성하더라도 필연적으로 진행되는 가까운 미래의 기후변화에 대해 효율적으로 적응하기 위해 필수 불가결한 정보라고 할 수 있다”고 말했다.
한편 이번 연구는 한국연구재단 해외우수과학자유치사업(BP+)와 인류세연구센터의 지원을 받아 수행됐다.
2022.05.02
조회수 7992
-
기후 변화 예측 정확도 개선 기술 개발
우리 대학 문술미래전략대학원(건설및환경공학과 겸임) 김형준 교수가 국제 공동 연구를 통해 21세기 후반의 전 지구 강수량변화에 대한 기후모델의 예측 불확실성을 줄이는 데 처음으로 성공했다고 28일 밝혔다.
전 지구의 평균 기온이 미래에 어느 정도 상승할지에 대한 예측은 보통 복수의 기후모델에 의해 이루어지며 각 기후모델 사이에는 무시할 수 없는 편차가 존재한다. 온도 상승 예측의 불확실성을 줄이기 위한 연구는 성공적으로 수행돼왔으나 강수량 변화 예측의 불확실성을 감소시키는 연구는 아직 보고되지 않고 있다.
KAIST, 일본 국립환경연구소, 일본 동경대학교로 구성된 국제 공동 연구팀은 67개의 기후모델에 의한 기온과 강수량의 시뮬레이션 결과를 과거의 관측자료와 비교함으로써 강수량변화 예측의 불확실성을 줄이는 데 세계 최초로 성공해 그 결과를 국제 학술지 `네이처 (Nature)' 2월 23일 판에 출판됐다. (논문명: Emergent constraints on future precipitation changes; doi.org/10.1038/s41586-021-04310-8)
지금까지 강수량변화 예측의 불확실성 개선이 어려웠던 가장 큰 이유로서 과거의 강수량변화에 온실가스와 대기오염물질인 에어로졸이 함께 작용했음을 들 수 있다. 과거에는 두 요인이 함께 증가했으나 그와 달리 미래에는 적극적인 대기오염 대책에 의한 에어로졸의 급격한 감소에 따라 온실가스의 증가만이 지배적으로 될 것이기 때문이다.
다시 말해 미래의 강수량 변화는 주로 온실가스 농도증가로 설명할 수 있지만, 이는 과거의 메커니즘과 다르므로 관측자료로부터 미래 예측의 불확실성 저감을 위한 정보를 얻는 것이 어려웠다고 할 수 있다.
연구팀은 세계평균 에어로졸 배출량이 거의 변하지 않는 기간(1980~2014년) 동안 모델과 관측의 트렌드를 비교함으로써 온실가스 농도증가에 대한 기후 응답의 신뢰성을 평가할 수 있다고 가정했다. 중간 정도의 온실가스 배출 시나리오(SSP-RCP 245) 에 있어서, 67개의 기후모델이 19세기 후반부터 21세기 후반에 강수량이 1.9-6.2% 증가한다고 예측했으나 각 기후모델의 온실가스에 대한 기후 응답 신뢰성을 고려함으로써 강수량증가의 예측 폭의 상한(6.2%)을 5.2-5.7%까지 감소시킬 수 있었으며 예측의 분산 또한 8-30% 줄이는 것이 가능했다.
공동 저자인 김형준 교수는 "이번 연구를 통해 기온뿐만 아니라 강수량에 대한 기후변화의 예측 정확도를 개선할 수 있게 됐다. 이로써 더욱 신뢰도 높은 기후변화 영향평가와 효율적인 기후변화 대응 및 적응 관련 정책 수립에 이바지할 수 있을 것이라 기대된다ˮ고 말했다.
한편 이번 연구는 한국연구재단 해외우수과학자유치사업(BP+)의 지원을 받아 수행됐다.
2022.02.28
조회수 10723