AI, 고온·고압 환경에서 스테인리스강의 부식 피로 수명 예측 정확도 획기적 향상¶

원제목: Corrosion fatigue life prediction of multiple austenitic stainless steel grades in high ...

핵심 요약

AI 기반 머신러닝 모델이 고온·고압 환경에서의 스테인리스강 부식 피로 수명 예측 정확도를 크게 향상시켰음.
다섯 가지 오스테나이트계 스테인리스강(AusSS) 등급에 대해 일반화된 예측이 가능해졌음을 보여줌.
핵심 예측 변수로는 온도, 압력, 변형률 등이 중요하게 작용함을 AI 분석을 통해 규명했음.

상세 내용¶

고온·고압의 수환경에서 오스테나이트계 스테인리스강(AusSS)의 부식 피로 수명을 예측하는 것은 열, 기계, 환경적 요인의 복잡한 상호작용과 실험 데이터 부족으로 인해 매우 어려운 과제로 남아있습니다. 기존의 경험적 피로 모델은 이러한 다인자 효과를 정확히 포착하지 못해 예측 정확도를 제한해 왔습니다. 본 연구에서는 유전 알고리즘 최적화 신경망(GAONN)을 활용한 새로운 머신러닝 프레임워크를 제시하여 부식 피로 수명 예측을 개선합니다. 제안된 모델은 316, 316LN, 316NG, 304, 308L 등 다섯 가지 AusSS 등급에 적용되어 다양한 합금 조성과 운영 시나리오에 걸쳐 일반화된 예측을 제공합니다. 주요 입력 변수에는 온도, 압력, 용존 산소(DO)와 같은 환경적 요인, 변형률 속도 및 진폭과 같은 기계적 특성, 적층 결함 에너지(SFE)와 같은 야금학적 속성이 포함됩니다. GAONN 모델은 테스트 세트에서 94.4%의 R2 값, 0.014의 평균 제곱 오차, 0.120의 제곱근 평균 제곱 오차, 0.105의 평균 절대 오차, 3.6%의 평균 절대 백분율 오차를 달성하며 우수한 예측 정확도를 보여줍니다. 이러한 결과는 고전적인 부식 피로 수명 모델에 비해 상당한 개선을 나타냅니다. 또한, Shapley Additive Explanations (SHAP) 분석은 온도, 압력, 변형률 진폭이 부식 피로 수명에 주요 기여 요인임을 규명했으며, 이는 야금학적 이론과 일치합니다. 본 연구는 차세대 원자력 에너지 시스템에서 부식 피로 수명을 평가하기 위한 투명하고 정확하며 확장 가능한 도구로서 GAONN의 가능성을 확립합니다. 전 세계적인 에너지 수요 증가와 탄소 배출량 감축 요구에 따라 원자력은 지속 가능한 에너지 솔루션의 중요한 구성 요소로 부상하고 있습니다. 가압 경수로(PWR)는 전 세계 운영 원자로의 거의 70%를 차지하며 원자력 산업을 주도하고 있습니다. 비등 경수로(BWR)와 비교하여 PWR은 더 높은 압력에서 작동하고 냉각수 내에 용존 수소를 사용하므로 수소 유발 균열 및 산화물 필름 열화와 같은 고유한 부식 피로 메커니즘을 갖습니다. 이러한 고유한 환경 조건은 부식 피로 거동 및 원자로 재료의 구조적 무결성을 조사하는 데 있어 PWR을 특히 관련성이 높고 과학적으로 흥미로운 초점으로 만듭니다. 이러한 원자로에 사용되는 핵심 재료는 AusSS이며, 이는 1차 냉각수 파이프라인, 원자로 내부 부품, 증기 발생기 튜브, 열교환기 및 연료 피복재와 같은 중요 부품에 필수적입니다. AusSS의 광범위한 사용은 우수한 기계적 특성과 내식성 때문입니다. 그러나 장기간 운영 중에 이러한 부품은 플랜트 가동 중단, 재가동, 열 변동 및 흐름 유발 진동과 같은 공정으로 인한 주기적 하중을 경험하며, 이는 구조적 고장으로 이어질 수 있습니다. 또한, 차세대 원자력 경량 금속 부식에 의해 악화되는 부식 피로와 관련된 추가적인 과제를 제시합니다. 이러한 우려를 해결하려면 부식 운영 조건에서 피로 거동을 평가하여 장기적인 구조적 무결성과 원자로 수명을 보장하기 위한 정확한 예측 모델을 개발해야 합니다. 고온, 고압의 수환경이 AusSS의 피로 성능을 크게 저하시킨다는 사실은 수많은 연구를 통해 입증되었습니다. 이러한 열화는 주기적 하중과 금속 부식의 복합적인 효과에 의해 주도되며, 변형률 진폭, 변형률 속도, 하중비, 온도, pH, 그리고 DO 및 용존 수소(DH) 농도와 같은 여러 주요 요인에 의해 영향을 받습니다. 이러한 조건 하에서 AusSS의 변형 거동 및 피로 파괴를 이해하기 위한 광범위한 연구가 수행되었습니다.

편집자 노트¶

이번 연구는 원자력 발전소와 같이 극한 환경에서 사용되는 핵심 설비의 안전성을 확보하는 데 중요한 기술적 진보를 이끌어냈다는 점에서 주목할 만합니다. 특히, 복잡한 여러 요인이 복합적으로 작용하는 부식 피로 수명 예측의 난제를 인공지능, 그중에서도 머신러닝 기법을 통해 해결했다는 점이 핵심입니다. 고온, 고압의 물 환경에서 금속 재료는 단순히 기계적인 힘뿐만 아니라 화학적인 부식까지 동시에 겪게 되는데, 이 두 가지 요소가 상호작용하면서 예상보다 훨씬 빠르게 재료의 피로 수명을 단축시킵니다. 기존에는 이러한 복잡한 상호작용을 정확히 예측하기 어려워 보수적인 설계나 잦은 점검이 필요했지만, 이 연구에서 개발된 AI 모델은 이러한 단점을 극복할 수 있을 것으로 기대됩니다.

원문 링크