사진2–반복 인장을 통한 기계적 강도 향상 개념도. 나노복합체가 반복적인 변형을 겪는 과정에서 1차원 CNT가 인장 방향으로 정렬되는 현상과, 정렬된 필러 구조에 의한 비선형 기계적 이중성 및 강화효과>
기존 고분자 복합소재는 반복적으로 외부 하중을 받으면 점차 물성이 약화되는 ‘소프트닝(Mullins effect)’ 현상을 보이는 것이 일반적이다. 그러나 박성훈 교수 연구팀은 가늘고 긴 형태의 CNT를 점탄성 고분자에 조합한 복합소재가 반복 인장 초기에는 연화되지만, 일정 수준 이상부터는 오히려 인장 강도가 증가하는 ‘기계적 강화(stiffening)’ 현상을 보인다는 점을 실험을 통해 입증했다. 연구팀은 이 과정에서 CNT가 인장 방향으로 점차 정렬되며 복합소재 내부 구조가 변화한다는 점에 주목했다. 이 현상은 0차원 필러나 짧은 CNT를 사용한 경우에는 나타나지 않았으며, 길이가 긴 CNT일수록 강화 효과가 뚜렷하게 나타났다.
<사진3–(왼쪽)CNT 필러의 기계적 강화에 대한 실험적 분석과 분자동역학 시뮬레이션을 통한 미세구조 변화 해석, (오른쪽)기계학습 기법을 활용한 동적 변형에 따른 기계적 강도를 예측할 수 있는 모델 도출 개념도>
연구팀은 분자 동역학(Molecular Dynamics, MD) 시뮬레이션을 활용해 CNT의 재배열과 정렬 현상을 시각화하고, 주사전자현미경(SEM)과 Polarized Raman 분광 분석을 통해 그 구조적 변화를 정량적으로 확인했다. 또한, 머신러닝 기반의 기계학습(SISSO 기반 symbolic regression) 모델을 개발, CNT의 농도, 초기 변형률, 반복 횟수 등의 조건에 따라 복합소재의 기계적 물성을 정밀하게 예측할 수 있도록 했다.
웨어러블·바이오 복합소재 설계에 새로운 패러다임 제시
소프트 일렉트로닉스의 전기적인 성능을 강화하기 위한 연구는 활발히 이루어져 왔으나, 복합소재의 동적인 변형에 대한 기계적 물성 연구는 여전히 초기 단계에 머무르고 있다. 이번 연구는 탄성 고분자 기반 복합소재가 반복적 변형 환경에서도 복합적인 기계적 특성이 나타날 수 있음을 실험과 시뮬레이션으로 입증하고, 이를 예측하는 물성 모델까지 제시한 점에서 학술적·산업적으로 의미가 크다.
박성훈 교수는 “이번 연구 결과는 유연성과 강도를 동시에 갖춘 안전하고 신뢰성 높은 소프트 일렉트로닉스를 설계할 수 있는 가능성을 보여준 것”이라고 밝혔다. 이번 연구의 공동 교신저자인 연세대학교 민경민 교수는 “이번 연구에서 확인된 특성은 작은 변형에서는 유연하게 거동하고, 큰 하중이 가해지면 저항성을 가지는 인공 힘줄이나 로봇용 소프트 작동기의 핵심 특성과 일치한다”고 설명했다.
이번 연구는 한국에너지기술평가원(KETEP)의 에너지정책 융합대학원 사업과 한국연구재단의 지원을 받아 수행됐다. 연구팀은 연구 결과를 바탕으로 향후 생체모사 메커니컬 시스템(bioinspired mechanical systems)에 적용 가능한 고내구성 복합소재를 개발할 계획이라고 밝혔다.
용어설명
○ 반복 인장(Cyclic tensile deformation)
재료에 동일한 방향의 잡아당기는 힘(인장)을 여러 차례 반복해서 가하는 실험 방식. 소재가 장기간 외부 힘을 받을 때 구조적 변화나 내구성의 변화를 분석하는 데 사용된다.
○ 탄소나노튜브(Carbon Nanotube, CNT)
탄소 원자가 육각형 형태로 결합해 튜브처럼 말린 구조. 강도는 강철보다 높고, 전기 및 열 전도성이 뛰어나 차세대 나노소재로 주목받고 있다.
○ 점탄성 고분자
탄성과 점성을 함께 지닌 소재로, 반복적인 하중이나 변형 속도에 따라 에너지 손실(히스테리시스 손실, Hysteresis Loss) 및 응력 연화(Mullins effect) 등 특유의 기계적 거동을 나타낸다.
○ 분자 동역학 시뮬레이션(Molecular Dynamics, MD)
재료의 원자나 분자 수준에서의 운동을 컴퓨터 시뮬레이션으로 모사하는 기법. 대상의 내부 구조 변화나 재배열 과정을 시각화하고 분석하는 데 사용된다.
○ Polarized Raman 분광 분석
특정 파장의 빛을 시료에 쏘아 산란되는 빛의 변화를 측정함으로써, 재료 내부의 구조나 배열 상태를 파악하는 정밀 분석기법.
○ SISSO (Sure Independence Screening and Sparsifying Operator)
복잡한 데이터에서 가장 중요한 변수들을 추출해 해석 가능한 수식 형태로 표현하는 기계학습 기법. 복합소재의 물성 예측에 적합하다.
○ 소프트 일렉트로닉스 (Soft Electronics)
유연하거나 신축성 있는 전자기기로, 착용 가능한 웨어러블 센서, 인공피부, 신체 삽입형 의료기기 등에 활용된다.
○ 생체모사 메커니컬 시스템(Bioinspired Mechanical Systems)
자연계 생물의 구조나 움직임에서 아이디어를 얻어 인공적으로 구현한 기계 시스템. 인공 힘줄, 로봇용 근육, 생체유사 소재 등이 이에 해당한다.
출처: 홍보팀
