Terra Quantum와 Empa, 레이저 용접 예측을 위한 AI 모델 개발

인사이더 브리프

• Terra Quantum과 Empa는 레이저 용접 매개변수로부터 3차원 온도장과 용융 풀 경계를 예측하는 푸리에 신경 연산자(Fourier Neural Operator) 모델인 LP-FNO를 개발했습니다.
• 이 모델은 40–190와트의 레이저 출력과 초당 0.1–1미터의 스캔 속도 범위에서 Ti-6Al-4V의 고정밀 시뮬레이션을 통해 학습되었습니다.
• 학습이 완료된 LP-FNO는 표준 해상도에서 약 8밀리초, 두 배 해상도에서 88밀리초 만에 전체 3D 예측을 생성합니다.

보도 자료 — 양자 기술 분야의 글로벌 리더인 Terra Quantum과 스위스 연방 재료 과학 기술 연구소인 Empa는 전통적인 다중 물리 시뮬레이션보다 최대 100,000배 빠르게 레이저 용접의 전체 3차원 용융 풀 역학을 예측하는 인공지능 대리 모델인 LP-FNO (Laser Processing Fourier Neural Operator)를 발표했습니다. 이는 산업용 레이저 공정에서 실시간 공정 제어 및 디지털 트윈 배포를 오랫동안 가로막았던 계산 병목 현상을 제거합니다.

레이저 용접의 시뮬레이션 병목 현상

레이저 용접은 항공우주, 의료 기기 및 자동차 생산 전반에 걸쳐 사용되는 정밀 제조 공정으로, 레이저 빔 아래에서 발견되는 용융 금속 구역인 용융 풀(melt pool)의 제어가 용접 품질과 일관성의 핵심입니다. 고정밀 다중 물리 시뮬레이션은 공정을 이해하고 최적화하는 주요 도구였으나, 그 계산 비용으로 인해 실시간 적용이 불가능했습니다. 현재의 표준 도구를 사용한 단일 시뮬레이션 실행은 표준 10 µm 해상도에서 약 6분, 더 미세한 5 µm 해상도에서는 1시간 이상이 소요되어, 산업 운영자가 공정 제어, 대규모 매개변수 최적화 및 불확실성 정량화를 수행하기 어려웠습니다.

LP-FNO의 기능

LP-FNO는 단일 전방 패스에서 물리적 영역 전체에 걸쳐 정보를 글로벌하게 혼합하는 푸리에 신경 연산자 아키텍처를 사용하여 레이저 공정 매개변수(출력 및 스캔 속도)와 그 결과인 3차원 온도장 및 용융 풀 경계 사이의 관계를 학습합니다. 이 모델은 40에서 190와트의 레이저 출력과 초당 0.1에서 1미터의 스캔 속도를 포괄하는 공정 창에서 Ti-6Al-4V 티타늄 합금의 고정밀 열유체 시뮬레이션을 통해 학습되었으며, 전도 및 안정적인 키홀(keyhole) 용접 영역을 모두 포함합니다. 학습이 완료된 LP-FNO는 표준 해상도에서 약 8밀리초, 두 배 해상도에서 88밀리초 만에 전체 3D 예측을 생성합니다.