4차원성형기술카페

4차원 셩형기술 카페

핸들러유튜브

핸들러 유튜브

4차원성형기술카페

핸들러 블로그

HANDLER 고객센터 로그인 회원가입

사이트맵 ×

HANDLER 고객센터 로그인 회원가입 사이트맵
토탈산업
hpf미네랄스
현대보테코
K쇼배너

뉴스 News

mew
진산피알엠
현대기어
로그사출기
일광폴리머

기술과 솔루션

news 기술과 솔루션
엠쓰리파트너스
hnp인터프라
휴먼텍
한국마쓰이
기사제목

소재 합성에 필요한 재료 물질? 인공지능이 알려준다. 화학연, 목적 물질의 화학식 정보만으로 합성에 필요한 최종 재료 물질을 예측하는 인공지능 방법론 개발

- 2만 건의 논문 인공지능 학습하여 목적 물질(결과물)의 화학식만으로 합성에 필요한 전구체(재료 물질) 예측- 인공지능 분야 최고 권위의 학회 NeurIPS(뉴립스)에 전구체 물질 예측 인공지능 논문 발표- 기존에 확보한 정방향 합성 예측 기술과 결합해, 소재 합성 전 과정에 대한 자동화 기술 상용화 기대 국내 연구진이 특정한 소재를 만들려면 어떤 최종 재료 물질이 필요한지 자동으로 알려주는 기술을 개발했다. 한국화학연구원(원장 이영국) 나경석 선임과 한국과학기술원(KAIST, 총장 이광형) 박찬영 교수 연구팀은 공동연구를 통해 목적 물질의 화학식 정보만으로 합성에 필요한 최종 재료 물질(전구체 물질*)을 예측하는 인공지능 방법론을 개발하였다.* 전구체 물질: 목표 물질을 만드는 과정에서 필요한 모든 최종 재료 물질 최근 배터리, 반도체 등 다양한 산업 분야에서 첨단 소재는 매우 중요하다. 원하는 소재를 합성하려면 중간 물질을 먼저 찾아야 하는데, 많은 비용이 드는 반복적인 실험 없이 인공지능(AI)을 활용해 찾으려는 수요가 높다.  하지만 기존의 AI 기반 기술은 신약 등 유기 소재에 집중된 반면, 무기 소재에 관한 연구는 상대적으로 부족했다. 금속 등 무기 화합물은 복잡한 구조와 다양한 원소로 인해 합성 경로를 찾기 어렵기 때문이다. 연구팀은 X라는 목적 물질의 화학식만으로, 이를 만들기 위해 필요한 전구체 물질 A, B, C, … 등을 역방향으로 예측해내는 새로운 인공지능 방법을 개발했다.  연구팀이 개발한 인공지능 방법론의 구조 모식도 화학연은 앞서 복잡한 코딩이나 서버 구축 과정 없이 물질 합성에 필요한 정보들을 인공지능으로 예측해주는 ‘ChemAI’ 플랫폼을 개발해 2022년 기술이전 한 바 있다.  이번 기술은 기존 예측 기술의 발전을 가로막았던 무기 소재의 복잡한 3차원 구조, 즉 원자 구조나 결합 정보 등을 요구하지 않는다. 대신 어떤 원소들이 얼마나 포함되어 있는지 종류와 비율을 살핀다. 그리고 이런 원소들과 목적 물질 간 열역학적 형성 에너지 차이를 계산해, 합성 반응이 더 쉽게 일어나는 전구체를 찾아낸다. 또한 전구체 물질 예측의 정확도를 높이기 위해 화학 데이터에 특화된 심층 인공신경망을 구성했다. 심층 인공신경망은 약 2만 건의 논문에 보고된 소재 합성 과정 및 전구체 물질에 대한 정보를 모두 학습했다.  이후 AI 학습 과정에서 보여준 적 없는 약 2,800건의 물질 합성 실험을 대상으로 합성에 필요한 전구체 물질을 예측한 결과, 대략 10번의 시도 중 8번 이상 성공했다. 또한 그래픽 처리장치(GPU) 가속을 통해 약 100분의 1초 이내의 매우 짧은 시간 만에 전구체 물질을 예측했다.  약 2만 건의 논문 데이터에 대한 전구체 물질 예측 정확도(Reterieval-Retro: 연구에서 개발한 인공지능 모델) 연구팀은 앞으로 화학연 연구 사업을 통해 학습 데이터셋을 확장하여 전구체 물질 예측 정확도를 90% 이상 높인 후, 2026년경 웹 기반 공공 서비스 구축을 계획하고 있다. 또한 추가 연구를 통해 목적 물질의 화학식을 제공하면 전구체 물질뿐만 아니라, 소재 합성 과정까지 모두 예측해주는 “인공지능 기반 소재 역합성 완전 자동화”도 기대 중이다.  주요 논문 기여자(왼쪽부터 화학연 나경석 선임(교신저자), KAIST 노희웅 연구원(1저자), 박찬영 교수(교신저자)) 화학연 나경석 선임이 서버실에서 인공지능의 학습 결과를 살펴보고 있다. 화학연 나경석 선임이 연구 결과를 설명하고 있다. 연구진은 “기존의 전구체 물질 예측 AI는 특정 물질 종류에만 적용이 가능했는데, 이번 연구를 통해 목적 물질의 종류에 상관없이 범용적으로 전구체 물질을 예측할 수 있게 된 점이 차별성”이라고 말했다. 또한 화학연 이영국 원장은 “신소재 개발이 필요한 다양한 산업 분야의 연구 효율 향상에 기여할 것으로 기대한다”라고 말했다. 이번 논문은 2024년 12월 인공지능 분야 최고 권위의 학회인 신경정보처리시스템학회(NeurIPS, 뉴립스)에 발표되었다. 화학연 나경석 선임연구원과 KAIST 박찬영 교수가 교신저자로, KAIST 노희웅 연구원이 1저자로 참여했다. 이번 연구는 화학연 기본 사업, 과학기술정보통신부 한국연구재단 정보 융합 기술단 및 글로벌 기초연구실 사업 (RS-2024- 00406985)의 지원을 받아 수행했다.  문의: 한국화학연구원 화학플랫폼연구본부 나경석 선임연구원(042-860-7976, 010-9928-0187)    
이용우 2025-09-11
기사제목

KIST, 이미지 왜곡 없는 ‘투명 스트레처블 기판’ 개발, 차세대 디스플레이 혁신 기대

- 푸아송 비 극복, 완전 투명하면서 왜곡 없는 무 변형 디스플레이 기판 구현- 전단 압연 공정으로 대면적·고 투명성 스트레처블 기판 상용화 가능성 제시 차세대 디스플레이 시장에서 주목받고 있는 ‘탄성을 지닌 디스플레이 소재’는 자유롭게 펼치고 구부릴 수 있다는 장점이 있지만, 기존 소재의 한계로 인해 화면이 일그러지거나 착용감이 떨어지는 문제가 있었다.  일반 탄성체 기판은 한쪽 방향으로 늘리면 수직 방향으로 오그라드는 ‘푸아송 비(Poisson’s ratio)’1) 현상 때문에 화면이 왜곡되기 쉽다. 특히 웨어러블 기기처럼 피부와 밀착되는 전자 제품은 늘어나거나 줄어드는 과정에서 주름이 생기거나 피부를 당겨 착용감과 성능이 저하될 위험이 있다. (상) 엘라스토머 소재에서 발생하는 인장 시 왜곡 문제와 왜곡 없는 인장(하) 엘라스토머 소재의 큰 푸아송 비율과 0의 푸아송 비율을 가지고 있는 섬유 일 방향 배향 복합체 (상) SIBS 블록 공중합체의 고분자 구조(하) SIBS 블록 공중합체에서 상 분리에 의한 나노구조 형성 한국과학기술연구원(KIST, 원장 오상록) 손정곤 박사팀과 서울대학교 홍용택 교수팀이 공동으로 ‘푸아송 비’를 극적으로 낮춘 ‘나노구조 정렬 스트레처블 기판’을 개발했다. 이번 연구는 푸아송 비를 낮추면서도 투명성을 유지해, 화면 왜곡과 빛의 산란 문제를 동시에 해결한 점에서 큰 주목을 받고 있다. 연구진은 두 가지 핵심 아이디어를 결합해 이번 성과를 달성했다. 첫 번째 아이디어로, 고분자 블록이 연결된 블록 공중합체2)를 활용해 내부 나노 구조를 정렬했다. 이 블록 공중합체는 딱딱한 ‘폴리스티렌(PS)’과 부드러운 ‘폴리부틸렌(PIB)’으로 이루어져 있으며, 이를 한 방향으로 배열하면 인장 방향과 수직 방향의 탄성 차이를 극대화해 수축을 감소시킬 수 있다. 기존 탄성체의 푸아송 비는 0.4~0.5 정도인데, 연구진은 늘리는 방향에서도 기판 수직 방향 수축이 거의 없고, 화면 왜곡도 크게 줄어든 푸아송 비 0.07 이하로 낮췄다. 두 번째 아이디어로는 나노 구조를 기판 전체에 고르게 정렬하기 위해 전단 압연(Shear-Rolling) 공정을 도입했다. 이는 고온 상태에서 롤러와 스테이지 간 속도 차이를 이용해 균일한 전단력을 가하는 방식이다. 이 공정을 통해 두꺼운 기판에도 나노 구조가 투명도를 저하시키지 않고 안정적으로 정렬되었다. 실험에서는 기판의 가로 방향으로 50% 이상 늘렸을 때도 세로 방향 수축이 거의 발생하지 않는 것을 확인했다. 쉬어-롤링 공정을 통한 블록 공중합체 나노구조 일방향 배향 (상) 전단 압연 SIBS 필름의 기계적 이방성, 투명도, 푸아송 비율 측정(중), (하) 일반적인 SIBS 필름과 전단 압연 SIBS 필름의 인장 시 모양과 이미지 비교 연구진은 개발한 기판을 실제 소자에 적용해 픽셀 배열 변화를 관찰했다. 기존 탄성체 기판은 50% 늘리면 픽셀 간 간격이 들쭉날쭉하거나 세로 픽셀이 붙는 왜곡이 발생했다. 반면, 나노구조 정렬 기판은 픽셀이 고르게 배열되어 이미지가 깨지지 않고, 주름이나 거친 표면이 생기지 않아 투명도도 유지됐다. 개발된 새로운 스트레처블 기판은 차세대 디스플레이, 웨어러블 전자기기, 태양전지 등 다양한 분야의 핵심 소재로 사용될 전망이다. 또한, 이번에 사용된 전단 압연 공정은 다른 블록 공중합체나 고분자 필름에도 적용이 가능해 간단한 방식으로 대면적 처리에 적합한 기술로 평가받고 있다. KIST 손정곤 박사는 “본 연구는 나노구조를 정밀하게 제어하여 왜곡이 없으면서도 완전하게 투명한 스트레쳐블 기판을 개발하는 새로운 방식을 제안하였으며, 이를 구현하기 위한 전단 압연 기술은 대량생산과 산업화에 쉽게 적용할 수 있다”라고 말하며, “현재 이 기판을 활용하여 디스플레이 발광 소자를 전사하여 인장 시에도 왜곡 없는 실제 디스플레이 디바이스를 구현하는 연구를 수행 중이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임) KIST 주요 사업, 중견연구자지원사업(2022R1A2B5B02001597) 및 STEAM사업(RS-2024-00451691)의 지원을 받아 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced materials」 (IF 27.4 JCR 분야 상위 2.4%) 최신호에 게재됐다.* 논문명: Fully Transparent and Distortion-Free Monotonically Stretchable Substrate by Nanostructure Alignment     
이용우 2025-09-11
기사제목

반도체·디스플레이 소재인 고성능 폴리이미드, 독성 없이 물로 만든다. 한국화학연구원, 환경 오염과 인체에 유해한 기존 기술을 대체하는 친환경 수계 폴리이미드 제조 기술 세계 최초 개발

- 디스플레이, 반도체, 항공우주 등 첨단 산업에서 폭넓게 활용 가능한 친환경 폴리이미드 소재 개발 환경 규제가 강화되고 친환경 소재 수요가 늘어나는 가운데, 국내 연구진이 독성 유기용매 대신 물을 활용한 폴리이미드 제조 기술을 세계 최초로 개발했다. 한국화학연구원 원종찬·김윤호·박종민 박사 연구팀은 물을 용매로 사용해 고온 내구성과 높은 강도를 갖춘 폴리이미드를 중합하는 친환경 공정을 성공적으로 구현하였다.   본 기술의 핵심인 중합이 완료된 수계 폴리이미드 용액   수계 폴리이미드 제조 기술을 개발한 고기능고분자연구센터 연구자들   폴리이미드는 우수한 내열성, 기계적 강도, 화학적 안정성을 지닌 고분자 소재로, 디스플레이, 반도체, 항공우주 등 첨단 산업에서 폭넓게 활용된다. 특히 반도체 및 전자기기 수요 증가로 전 세계 폴리이미드 시장은 연평균 7% 이상의 성장을 기록 중이다. 그런데 기존 폴리이미드 중합은 NMP, DMAc, DMF와 같은 독성 유기용매를 필수적으로 사용해 환경 오염과 인체에 유해하다는 문제가 있었다. 더불어, 중합 공정 온도가 350도 이상으로 높아 에너지 소비가 크고 생산 단가가 높은 한계가 있었다.  수계 폴리이미드 용액을 이용한 대면적 필름화 공정  물을 용매로 하는 폴리이미드 친환경 중합 기술 개발  물을 용매로 이용한 폴리이미드 친환경 중합 기술 및 이를 이용한 코팅용액, 필름 제조 및 3D 프린팅 구조화 응용 연구 그림 이러한 문제를 해결하기 위해 연구팀은 물 기반(Water-borne) 중합 공정을 개발했다. 이를 통해 기존 유기용매 공정을 대체하며, 고성능 폴리이미드를 친환경적으로 합성할 수 있는 길을 열었다. 개발된 기술은 기존 대비 공정 온도를 250도 이하로 낮추면서, 기존 유기용매 방식을 적용하여 이미 상용화된 대표적인 폴리이미드 제품*과 동일한 수준의 물성을 확보하였다. * 600°C 이상의 우수한 내열 특성과 330메가파스칼(MPa) 이상의 높은 인장강도 물에서 중합한 불소계 투명 폴리이미드 및 필름화 기술 개발  불소계 투명 폴리이미드 전구체 수계 합성 및 고상 중합을 통한 분자량 증폭 개념도, 투명 폴리이미드 필름 위에 제작된 투명 면상발열체(히터) 발열 특성 결과  박사랑 석사후연구원(주저자)이 제조한 폴리이미드 일반적으로 기존의 폴리이미드 소재 제조 공정에는 비점*이 높고 독성이 강한 유기용매**가 사용되지만, 본 기술은 물을 반응 용매로 사용하여 합성 재료의 원가를 10% 이하***로 대폭 절감할 수 있다. 또한 독성 유기용매 처리를 위한 고비용 증류 회수시설이 필요 없다.* 액체 물질의 증기압이 외부 압력과 같아져 끓기 시작하는 온도     ** NMP(N-Methyl-2-pyrrolidone), DMAc(Dimethylacetamide), DMF(Dimethylformamide)*** 용매 원가: NMP 20L 약 400불($), 증류수 20L 10불($), 공업용 수돗물 1톤 1불($) 미만 물 환경에서의 폴리이미드 기능화     물을 용매로 이용한 폴리이미드 고분자의 기능화 중합 기술 및 이를 이용한 미세 패턴 형성 공정 기술 및 이를 이용한 반도체 디바이스 제작 예시. 또한, 기존 유기용매 기반 공정에서는 350°C 이상의 고온이 필요하지만, 본 기술은 공정 온도를 100°C 이상 낮춘 250°C의 저온 공정을 가능하게 하여 에너지 소비를 전기 용량 기준으로 30% 이상 절감할 수 있는 장점이 있다. 본 기술은 기존의 독성 유기용매를 대체하는 친환경 공정을 제시함으로써, 폴리이미드 소재의 상업화 가능성을 더욱 높였다. 실제로 본 기술을 활용하여 배터리 음극 바인더 및 절연 소재로 두 차례 기술 이전을 체결하였다. 연구팀은 배터리 바인더, 절연 코팅, 3D 프린팅 소재 등 다양한 응용 연구를 통해 고부가가치 산업으로 확장해 나갈 계획이다. 원종찬·김윤호 박사는 “이번 연구는 환경과 경제성을 동시에 만족시키는 혁신적인 친환경 공정으로, 폴리이미드 소재뿐만 아니라 고성능 고분자 소재의 장기적 발전과 글로벌 경쟁력 강화를 위해 연구를 이어갈 계획이다”라고 밝혔다. 이번 연구 결과는 에이씨에스 서스테이너블 케미스트리 & 엔지니어링(ACS Sustainable Chemistry & Engineering, IF : 8.3) 10월호 표지논문과 케미칼 엔지니어링 저널(Chemical Engineering Journal, IF : 13.4) 7월호에 각각 게재되었다. 또한 한국화학연구원 기본사업과 과학기술정보통신부의 중견 연구자 사업, 나노 및 소재 기술개발사업의 지원을 받아 수행되었다.       
이용우 2025-09-03
기사제목

AI 기반 컴파운딩 소재 설계 및 사출성형 공정 최적화 전략 - 2

맺음말 플라스틱 사출 산업은 전통적으로 노동집약적이며 경험 중심의 운영 체계를 유지해 왔지만, 데이터 기반 AI 기술의 접목을 통해 새로운 전환점을 맞이하고 있다. 본 고에서는 AI가 기존의 시행착오 중심의 공정 개발 방식을 어떻게 가속화하고, 컴파운딩 소재 설계와 사출 공정 최적화에 어떤 방식으로 접목될 수 있는지를 사례 중심으로 살펴보았다. 특히, 단순히 AI 모델을 도입하는 것을 넘어, 도메인 지식에 기반한 데이터 수집과 정제, 균형 잡힌 학습 구조, 그리고 실제 적용 가능한 대리모델 및 최적화 전략의 중요성을 강조하였다. 컴파운딩 소재의 조성 및 구조는 매우 방대한 설계 공간을 가지며, 고성능 조합을 찾기 위해서는 실험 기반 탐색만으로는 한계가 존재한다. 이에 따라 물성 예측을 위한 대리모델 구축, 실험설계 기반 초기 데이터 선정, 베이지안 최적화 등 데이터 효율성이 높은 AI 기반 설계 전략이 요구된다. 그러나 현실적으로는 고성능 조합의 데이터 부족, 실측 데이터의 노이즈와 불균형, 고차원 설계 공간에서의 예측 불확실성 등 다양한 제약 조건이 존재한다. 본 고에서는 이를 극복하기 위한 현실적 방법으로, featurization 전략, 균형 잡힌 샘플링, 변수 수 축소 및 강화학습 기반 최적화 등 다양한 기술을 제시하였다. 한편, 사출성형 공정 최적화에서는 세 가지 AI 응용 접근을 중심으로 소개하였다. 첫째, 환경 변화에 적응해 양품 생산 조건을 추천하는 생성형 AI 기반 모델은 사출기의 온도, 습도 등 환경 조건에 따라 최적 공정변수를 추천함으로써 생산 안정성과 품질을 동시에 달성할 수 있도록 한다. 둘째, 강화학습 기반의 실시간 최적화 전략은 외부 환경과 비용 요소를 반영하여 수익성을 극대화하는 공정 운영 정책을 자동으로 도출할 수 있음을 보였다. 특히 PPO, SAC 등의 강화학습 알고리즘은 수렴성과 계산 효율성 측면에서 기존 최적화 기법보다 실시간적용 가능성이 높다는 점에서 주목할 만하다. 셋째, LLM 기반의 사출성형 지식 전이 시스템은 기존의 도제식 경험 전수를 대체할 수 있는 수단으로서, 언어 장벽과 숙련도 차이를 극복하고 AI 비전문가도 복잡한 공정을 효율적으로 다룰 수 있는 인터페이스를 제공한다. 이러한 AI 기반 전략들이 현장에서 실효성 있게 작동하기 위해서는 기술적 요소뿐만 아니라 제도적·조직적 기반의 정비도 병행되어야 한다. 첫째, 기업 차원에서는 실험 설비와 데이터 수집 체계의 표준화가 선행되어야 하며, AI 도입 초기에는 전문가와 비전문가가 협업할 수 있는 데이터 해석 환경이 구축되어야 한다. 둘째, 기업 데이터가 곧 경쟁력이라는 현실을 고려할 때, 데이터 자체를 공개하지 않으면서도 서로의 데이터를 활용할 수 있는 협력 구조가 필요하다. 예컨대, 연합학습(Federated Learning) 36과 같이 데이터는 로컬에 남겨두되, 모델 학습만을 공유하는 방식은 기업 간 민감한 정보 보호를 유지하면서도 공동의 AI 성능 향상을 도모할 수 있는 유력한 방법론이다. 이러한 프라이버시 친화적 접근은 기업의 데이터 자산 가치를 훼손하지 않으면서도, 국내 제조 AI 생태계 전체의 성장을 유도할 수 있다. 셋째, 교육 측면에서는 AI 리터러시 교육과 도메인 전문가 중심의 ‘AI 융합 리더’ 양성이 필요하며, 이를 통해 제조업 현장과 AI 기술 간의 인력·언어 간극을 해소할 수 있다. 결론적으로, 컴파운딩 소재 설계 및 사출성형 공정 최적화는 단순한 공정 자동화를 넘어, ‘데이터 기반 의사결정 시스템 구축’이라는 관점에서 접근해야 한다. AI는 단지 알고리즘의 도입이 아니라, 데이터를 보는 시각과 문제를 정의하는 방식의 전환을 요구한다. 사출 산업의 특성과 현실을 충분히 반영한 설계–데이터–AI의 삼각 구조를 잘 연결한다면, 제조 산업 전반에 걸쳐 생산성 향상, 품질 안정성 확보, 인력 의존도 완화 등 다층적인 혁신 효과를 기대할 수 있다. 향후 연구 및 산업계의 실천적 노력은 이러한 AI 기반 혁신이 실질적인 경쟁력 강화로 이어질 수 있도록, 더 깊이 있는 통합적 전략 수립으로 이어져야 할 것이다.   
취재부 2025-09-02
기사제목

AI 기반 컴파운딩 소재 설계 및 사출성형 공정 최적화 전략 - 1

  1. 서론  현대 소재 개발과 제조 공정 관리에서는 인공지능(AI: Artificial Intelligence)이 혁신 도구로 부상하고 있다. 특히 폴리머 컴파운딩 소재 설계와 플라스틱 사출성형 공정 최적화 분야에서는, 경험과 시행착오에 의존하던 기존 방식에서 벗어나 방대한 데이터와 AI를 활용한 데이터 기반 접근으로의 전환이 빠르게 진행되고 있다.  AI 기술의 본질은 입력 변수 공간에서 출력 결과 공간으로의 대응, 즉 ‘정의역에서 치역으로의 mapping 함수’라고 볼 수 있다. 예를 들어, 소재의 조성이나 공정 조건과 같은 입력을 주면, 물성치나 제품 품질 같은 결과를 예측하는 함수 모델로 작동하며, 복잡한 물리·화학적 관계를 수학적으로 근사하는 대리모델로 활용될 수 있다. 실제로, 사출성형기를 반복 가동하며 얻을 수 있는 결과를 미리 학습된 AI 모델이 빠르게 예측해 줄 수 있다면, 이는 일종의 가상 실험 장치처럼 기능하면서 제품 개발과 생산 공정을 크게 가속화할 수 있다.  이러한 AI 대리모델을 효과적으로 구축하기 위해 서론에서는, 특히 두 가지 핵심 요소를 강조하고자 한다.  첫째, 도메인 지식과 이를 활용한 데이터 샘플링 전략의 중요성이다. 그림 1과 같이 도메인 지식이 부족한 사람이 아무리 많은 데이터를 수집하더라도, 그 데이터가 성능을 기대할 수 없는 조건에서 수집된 것이라면, 그 학습 데이터로 훈련된 AI 모델은 결코 최적의 사출성형 공정을 도출할 수 없다. 소재와 공정의 설계 공간은 매우 넓고, 실험에는 시간과 비용이 수반되기 때문에 모든 조건을 탐색하는 것은 현실적으로 불가능하다. 따라서 초기 학습 데이터의 선정은 AI 모델의 성능에 큰 영향을 미치며, 무작위 샘플링은 입력 변수 공간 내에서 데이터의 치우침을 야기할 수 있다. 이를 방지하려면 전문가의 경험과 지식을 반영한 실험설계(design of experiment)를 신중히 수행해야 한다. 1, 2 둘째, 이상적인 데이터셋을 확보하기 어려운 현실을 고려할 때, 데이터를 가공하고 보완하는 AI 관련 지식 역시 중요하다. 예를 들어, 공정 조건에 대한 AI 모델이 양품과 불량을 분류하는(classify) 역할을 한다면, 두 클래스 간 데이터 비율이 유사해야 예측 편향을 줄일 수 있다. 3그러나 실제 현장에서는 대개 양품 또는 불량 중 하나가 압도적으로 많아 데이터 불균형 문제가 흔히 발생한다.  4~6 또 다른 예로, 조성이나 공정 조건을 조정하여 제품 성능을 예측하고(regression), 이를 통해 성능을 향상시키고자 하는 경우에는, 고성능 제품에 대한 데이터가 충분히 확보되어야 해당 영역에서의 예측 정확도를 보장할 수 있다. 그러나 현실에서는 대부분 평균적인 성능을 가진 기존 제품의 데이터가 많기 때문에, AI 모델이 고성능 영역을 제대로 학습하지 못하는 문제가 있다. 7 또한 데이터 수집 체계가 부실하거나 노이즈가 많은 경우, 그 데이터를 기반으로 학습된 AI 모델은 오히려 무용지물이 될 수 있으며, 이와 관련된 이상치 탐지와 제거 관련 연구도 활발히 진행 중이다. 8, 9 본 기고문에서는 도메인 지식을 바탕으로 양질의 데이터셋을 구축하고 AI 모델 학습이 가능할 때, 컴파운딩 소재의 설계 및 공정 최적화를 위한 다양한 최적화 및 설계 알고리즘을 어떤 방식으로 적용할 수 있는지, 사출 산업 전반의 실제 사례를 중심으로 설명하고자 한다. 우선 사출 산업의 개요와 국내외 연구 동향을 살펴본 뒤, 컴파운딩 소재에 대한 빅데이터 수집 및 설계 접근법을 소개한다. 컴파운딩 소재의 입력 변수가 너무 많고 생산 가능한 조합이 워낙 다양하다 보니, 아직 균형 잡힌 데이터셋이 충분히 구축되어 있지 않고, featurization도 효율적으로 정립되지 않은 상황임을 함께 서술하고자 한다. 한편, 사출성형 공정 최적화는 상대적으로 유의미한 공정변수의 수가 적고, 데이터 샘플링이 잘 된 사례가 있어, 세 가지 측면에서의 최적화 알고리즘을 소개하고자 한다. 첫째, 같은 장비로 같은 형상의 제품을 생산하더라도 공장의 온도나 습도에 따라 양품 생산 조건이 달라지는 경우가 있는데, 이러한 외부 환경에 적응해 양품 생산이 가능한 공정 조건을 추천해 주는 생성형 AI(generative AI) 기반 연구를 소개한다. 둘째, 시간대나 계절에 따라 변동하는 재료비, 전기가격, 환경 조건에 맞춰 이익을 극대화하는 공정 조건을 찾아내는 강화학습 기반 연구를 다룬다. 마지막으로, AI에 대한 전문 지식이 없는 사람도 효율적으로 AI를 활용할 수 있도록 대형언어모델(LLM)을 접목한 사출 공정 최적화 연구 사례를 소개한다. 2. 사출 산업 전반 및 관련 국내외 연구 동향  2.1 플라스틱 사출 산업의 중요성과 현황 플라스틱 사출 산업은 자동차, 전자제품, 의료기기, 화장품 및 식품 용기 등 생활 전반에서 광범위하게 사용되는 플라스틱 제품을 생산하는 중요한 기초 산업이다. 특히 생활 소재의 약 80%를 차지할 정도로 산업적 비중이 높지만, 여전히 대표적인 3D 업종으로 인식되어 노동력 유입 감소와 낮은 생산성, 높은 산업재해율 등 다양한 문제로 인해 기술 및 경쟁력 향상에 어려움을 겪고 있다. 이러한 문제 중에서도 숙련된 작업자의 경험과 지식이 체계적으로 데이터화되지 못한 채 소멸하면서, 생산 현장에서 품질 관리와 공정 최적화가 점점 더 어려워지고 있다. 자동화 설비가 도입된 생산 현장에서도 여전히 제품 품질은 작업자의 숙련된 지식과 경험에 의존하는 경향이 크다. 그러나 숙련자의 노령화 및 인력의 지속적인 이탈로 인해 숙련된 경험과 지식이 손실되고, 이를 데이터화하지 못한 결과 기술 발전이 정체되는 현상이 발생하고 있다. 이에 따라 제조 경쟁력은 더욱 약화할 수밖에 없는 상황이다.  2.2 플라스틱 사출 산업의 문제점과 이에 대한 해결을 위한 국내외 연구 동향   2.2.1 제품 생산-검사 공정의 수작업으로 인한 생산성 및 품질 저하플라스틱 사출 제품은 외관 품질에 매우 민감하며, 색상 및 종류가 다양하여 제품 생산 및 품질 검사를 위해 많은 인력이 수작업으로 양품 조건을 탐색하거나 불량 여부를 육안으로 전량 검사하고 있다. 이러한 수작업 방식은 작업자의 숙련도에 따라 품질의 불균일성이 발생하며, 피로 누적으로 인한 생산성 및 정확성 저하의 원인이 되고 있다. 10 이를 해결하기 위하여 LG생활건강, 아모레퍼시픽, 현대자동차, 삼성전자 등 주요 기업들은 무인 품질 검사 시스템을 도입하여 자동화를 추진하고 있으나, 숙련공의 경험에 의존하는 양품 조건 탐색까지 완전 자동화하는 데에는 기술적 한계가 존재하여 추가적인 기술 개발이 요구된다.  2.2.2 숙련공 의존적인 양품 조건 탐색으로 인한 제조 경쟁력 저하 및 재해 위험플라스틱 사출 공정에서 다양한 형상, 재료 및 환경 조건에 따라 양품 생산을 위한 양산 조건을 설정하는 과정은 전적으로 숙련된 작업자의 경험과 지식에 의존하고 있다. 하지만 숙련자의 지식과 경험이 도제화되지 않아 지속적으로 소실되고 있으며, 신규 작업자의 유입 감소로 인해 제조 경쟁력이 계속 저하되고 있다. 또한, 플라스틱 사출 산업은 화학물질 노출, 고온·고압 환경, 금형 및 프레스 작업으로 인한 산업재해 위험성이 높아 이를 개선할 수 있는 기술 개발이 절실히 요구되고 있다. 2.2.3 국내외 연구 동향플라스틱 사출 산업의 문제 해결을 위해 국내외 다양한 기관에서 선행 연구가 이루어지고 있다. 세계 최대 플라스틱 사출성형기 제조업체인 독일 Engel 社는 미국의 Autodesk 社와 협력하여 양산 조건을 CAE(Computer-Aided Engineering)로 해석하고, 이를 사출성형기와 직접 연동하는 애플리케이션인 ‘Sim-link’를 개발하였다. 이를 통해 양산 조건을 양방향으로 전송하고 계량, 사출 속도, 보압, 쿠션 등 주요 공정변수를 자동으로 최적화할 수 있으며, 데이터 입력 오류 및 시간 소모를 크게 줄일 수 있다. 국내에서는 정부의 『뿌리 4.0 경쟁력 강화 종합 계획』을 통해 플라스틱 사출 산업이 뿌리산업으로 지정되면서 정책적 지원과 투자가 활발히 진행되고 있다. 대표적으로 국내 최대 사출성형기 제조업체인 우진플라임 社는 고등기술연구원과 협력하여 숙련자의 공정 변경 이력, 외부 환경 데이터, 제품 불량 데이터를 학습하여 엣지 디바이스에서 최적 조건을 자동으로 추론하는 ‘엣지-클라우드 기반 사출성형 공정 지능화 시스템’을 개발하였다.  사출성형기 제조업체 외에도 연구기관 및 학교 등에서는 실제 실험, 시뮬레이션, 데이터 분석 등 다양한 접근법으로 연구를 진행하고 있다. 실제 실험을 통한 선행 연구는 작업자의 반복적인 시도 및 오류(Trial and Error) 문제를 해결하기 위해 실험 계획법에 기반하여 특정 변수를 순차적으로 변경하며 원하는 품질의 조건을 찾는 방식으로 진행되었다. 대표적으로 Huang et al. 11, Wu et al. 12, Kuo et al. 13 등이 다구찌 방법론(Taguchi method)을 활용하여 최적 조건을 찾았으며, Viana et al. 14은 실험 계획법과 ANOVA 통계 분석을 결합하여 충격과 생산 조건 간의 상관관계 및 최적 조건을 결정하는 연구를 수행하였다.  시뮬레이션을 통한 선행 연구는 수지의 유체 흐름 및 열전달을 중심으로 사출품의 불량 여부를 예측하거나, 불량을 방지할 수 있는 양산 조건 도출 및 금형 최적화 연구가 진행되었다. 대표적으로, Seow et al. 15은 각 캐비티(Cavity)로 흐르는 수지량에 따른 불량 가능성을 확인하고, 이를 방지할 수 있는 양산 조건을 확인한 연구를 수행하였다. Smith et al. 16은 금형 형상에 따른 민감도 분석을 수행하여 특정 불량을 방지할 수 있는 최적 금형을 설계하였다. 또한, 시뮬레이션을 통해 특정 생산지표의 최대화 및 최소화를 달성할 수 있는 양산 조건 가능 영역인 프로세스 윈도우(Process window)를 찾는 연구도 수행되었는데, 대표적으로 Seaman et al. 17은 생산 속도를 최대화하면서도 특정 불량을 방지할 수 있는 다목적 최적화(Multi-object optimization) 프로세스 윈도우 탐색 연구를 수행하였다. 생산 데이터 분석을 통한 선행 연구는 인공지능 기술의 확산과 함께 2020년 이후로 본격 진행되었다. 대표적으로, Bensingh et al. 18은 인공신경망(ANN)과 입자 군집 최적화(Particle swarm optimization)를 이용하여 광학 렌즈의 수축 불량을 막을 수 있는 양산 조건 산출 연구를 수행하였다.  Sedighi et al. 19도 인공신경망과 유전 알고리즘(Genetic algorithm)을 활용하여 웰드라인(Weldline) 불량을 최소화할 수 있는 금형 게이트의 위치 최적화 연구를 수행하였다. 그 밖에도 Manjunath et al. 20, Alvarado et al. 21은 제품 변형을 최소화하거나, 또는 Tsai et al. 22, Chen et al. 23, Trovalusci et al. 24과 같이 특정한 기계적 특성을 향상시킬 수 있는 양산 조건 조합을 찾는 연구가 수행되었다.   3. 컴파운딩 소재 설계 3.1 빅데이터 현황과 구축 노력 현대 소재 산업은 고성능, 경량화, 지속 가능성을 갖춘 신소재에 대한 수요 증가로 인해 전통적인 실험 기반 접근 방식의 한계를 드러내고 있다. 이러한 한계를 극복하기 위해 빅데이터와 인공지능(AI)을 활용한 소재 개발이 주목받고 있다. AI는 입력과 출력 간의 복잡한 비선형 관계를 효과적으로 모델링할 수 있어, 소재의 구조-특성-성능 간의 복잡한 상호작용을 이해하고 예측하는 데 기여한다. 예를 들어, Google DeepMind의 GNoME(Graph Networks for Materials Exploration)는 Materials Project의 데이터를 활용하여 380,000개의 새로운 안정적인 물질을 예측하였으며, 이는 소재 개발의 속도를 획기적으로 향상시킬 수 있는 가능성을 보여준다. 25 컴파운딩 소재 개발을 위한 데이터베이스 구축은 국내외에서 활발히 진행되고 있다. 대표적인 예로, 미국의 Materials Project는 밀도 범함수 이론(DFT)을 기반으로 약 130,000개 이상의 무기 화합물의 물성 데이터를 제공하여 신소재 개발을 지원하고 있다. 26 또한, 독일의 NOMAD(Novel Materials Discovery) 프로젝트는 계산 및 실험 데이터를 통합하여 FAIR(Findable, Accessible, Interoperable, Reusable) 원칙에 따라 소재 데이터를 공유하고 있으며, 50개 이상의 원자 수준 계산 코드에서 생성된 입력 및 출력 파일을 저장하고 이를 코드 독립적인 형식으로 변환하여 AI 분석에 활용할 수 있도록 지원한다. 27 한국화학연구원(KRICT) 화학 플랫폼 연구본부는 고분자 소재 데이터의 효율적인 관리와 활용을 위해 웹 기반의 플랫폼인 ChemDX(Chemical Data Explorer)를 제공하고 있다. ChemDX 내 MatDX는 소재 데이터 탐색기로, 공개 데이터베이스 및 KRICT와 협력 기관에서 제공한 실험 및 계산 데이터를 통합하여 소재의 물성 정보를 제공한다. ChemAI는 화학 분야에 특화된 인공지능 플랫폼으로, 다양한 예측 알고리즘과 그래프 신경망(Graph Neural Networks)을 활용하여 분자 및 결정 구조로부터 물성 예측 모델을 구축할 수 있다. 이 외에도 신약 개발을 위한 화합물 데이터 플랫폼인 KCB(Korea Chemical Bank)와 화학 혼합물의 독성 예측을 위한 MRA Toolkits를 제공하여 연구자들이 다양한 데이터를 손쉽게 검색하고 활용할 수 있게 한다. 이러한 플랫폼들은 컴파운딩 소재의 설계와 최적화를 위한 기초 자료로 활용되며, AI 기반의 예측 모델 개발에도 중요한 역할을 한다. 예를 들어, 고분자 합성, 가공, 특성 평가, 응용 사례 등의 데이터를 통합하여 AI 모델의 학습 데이터로 활용함으로써, 신소재 개발의 효율성과 정확성을 향상시킬 수 있다. 이러한 노력은 국내외 소재 산업의 경쟁력을 강화하고, 지속 가능한 신소재 개발을 촉진하는 데 기여하고 있다. 3.2 빅데이터를 활용한 소재 최적화 사례 최근 소재 최적화 접근 방식은 소재의 내부 구조를 설계하거나, 또는 조성 및 공정 조건을 조절하여 물성을 향상시키려는 시도로 나뉜다. 이 과정에서 빅데이터와 인공지능(AI)의 활용은 구조–성능 간의 복잡한 비선형 관계를 효과적으로 예측할 수 있는 수단으로 주목받고 있으며, 다양한 분야에서 그 가능성을 입증하고 있다.  첫째는 소재 내부의 구조를 최적화하여 물성을 향상시키는 것으로, 대표적 사례로는 단백질 구조 설계 분야에서의 AI 활용이 있다. RFdiffusion은 확률적 생성 모델(diffusion model)을 기반으로 단백질 구조를 설계하는 모델로, 기존의 구조 예측을 넘어 실제 단백질 기능을 유도하는 3차원 구조를 설계하는 데 성공하였다. 28 이는 고차원 구조 공간에서 목적 기능을 갖춘 분자를 생성하는 AI 기반 소재 설계의 가능성을 보여준다.  또한, Hybrid TPMS 기반 Architectured Materials(HTAM)는 다목적 베이지안 최적화(MBO)를 통해 높은 비강성(stiffness-to-weight ratio)을 갖는 구조를 탐색한 사례로, SLS(Selective Laser Sintering) 및 2PP(Two-Photon Polymerization) 등의 고정밀 3D 프린팅 기술을 통해 이를 실제로 제조하고 기계적 물성 향상을 검증하였다. 29 이외에도, 복합재료 내부의 구성에 따라 파괴 거동을 고려하여 crack propagation 경로까지 설계한 사례도 보고되었다. 30 STGNet이라는 spatiotemporal 모델과 유전 알고리즘(GA)을 결합하여, 복합재료 내부의 균열 전파 경로와 응력 분포를 빠르게 예측하고, 이를 기반으로 고강도·고인성 재료 구조를 역설계하는 데 성공하였다.  둘째는 조성과 공정변수를 조절하여 물성 향상을 위해 AI를 활용하는 것이다. 현재까지 다양한 기계학습(ML) 알고리즘을 활용하여 복합재료의 인장강도, 탄성률, 충격 저항성 등의 물성을 예측하고 최적의 섬유/수지 조합을 도출하는 사례들이 보고되고 있다. 예를 들어, Chang et al. 31은 engineered cementitious composites(ECC)의 인장강도 및 변형률을 예측하기 위해 GEP, GA-ANN, ANFIS 모델을 비교하였고, 실제 혼합물 설계에 대해 실험을 수행하여, 예측과 실측이 거의 일치함을 보였다. Ren et al. 32은 WC 기반 복합 소재의 경도와 파괴인성 예측을 위해 SHAP 기반 ML 프레임 워크를 개발하고, 후보 조성에 대해 실제 진공 소결 실험을 통해 기계적 물성을 검증하였다.  이러한 데이터 기반 접근은 실험 수를 줄이고, 고성능 조성을 신속하게 탐색할 수 있는 장점이 있다. 특히, Bayesian Optimization이나 Multi-objective Optimization 기법과 결합할 경우, 정량적 성능 목표를 동시에 만족시키는 복합 목적 함수를 기반으로 한 조성 설계도 가능해지고 있다. 그러나 조성과 공정은 수십 개 이상의 입력 차원을 가지는 고차원 설계 공간이며, 실험을 통해 결과를 받아보기까지 상당한 시간과 비용이 소요된다. 이러한 제약은 최적화 과정에서 실용적인 장벽으로 작용하고 있으며, 이는 다음 절에서 다룰 현실적인 어려움과 직결된다. 3.3 조성·공정 최적화의 어려움 및 대응 방안 소재의 조성과 공정 조건을 최적화하는 과정에서, 산업계는 여러 현실적인 제약에 직면한다. 특히, 다수의 입력 변수와 출력 변수 간의 복잡한 비선형 관계로 인해, 실험 기반의 최적화는 시간과 비용 측면에서 비효율적일 수 있다. 이러한 최적화 과정에서의 주요 어려움은 다음과 같다: 3.3.1 고차원 입력 변수 공간의 문제소재의 물성은 다양한 조성 및 공정변수에 의해 결정되며, 이들 변수 간의 상호작용은 비선형적이다. 입력 변수의 수가 증가함에 따라, 전체 설계 공간의 부피는 기하급수적으로 증가하여 데이터의 밀도가 희박해지는 현상이 발생한다. 이러한 현상은 ‘차원의 저주(curse of dimensionality)’로 알려져 있으며, 고차원 공간에서의 데이터 분석과 모델링을 어렵게 만든다. 33 예를 들어, 입력 변수가 2개이고 각 변수에 대해 상한과 하한값을 고려할 경우, 가능한 조합은 22×2=16개이다. 그러나 입력 변수가 10개로 증가하면, 가능한 조합은 22×10=1,048,576개로 급증한다. 이러한 조합의 수는 실험적으로 모두 탐색하기에 현실적으로 불가능하며, AI 기반 대리모델이 입력 공간 전체를 효과적으로 학습하는 데에도 한계가 있다. 이러한 문제를 해결하기 위해서는,• 물리적 지식과 기존 연구 결과를 활용하여 최적화 대상 변수를 최소화하는 것이 중요하다.• 변수의 수가 많을 경우, 주성분 분석(Principal Component Analysis, PCA)과 같은 차원 축소 기법을 활용하여 입력 변수의 수를 효과적으로 줄이는 것이 필요하다. 3.3.2 초기 데이터 분포의 적절성 확보AI 기반 대리모델의 학습과 최적화 성능은 초기 데이터셋의 품질에 크게 의존한다. 초기 데이터가 입력 공간을 고르게 대표하지 못할 경우, 모델의 예측 정확도와 일반화 능력이 저하되며, 최적화 과정에서 비효율이 발생할 수 있다. 무작위 샘플링(Random Sampling, RS)은 구현이 간단하지만, 고차원 공간에서는 샘플이 특정 영역에 집중되거나 중요한 영역이 누락될 수 있다. 이에 따라 일부 영역에서는 예측의 불확실성이 증가하고, 모델의 성능이 저하될 수 있다. 또한, 최적화 과정에서 이러한 누락된 영역을 탐색하기 위해 불필요한 반복이 발생하여 효율성이 감소한다.  이러한 한계를 극복하기 위해 라틴 하이퍼큐브 샘플링(Latin Hypercube Sampling, LHS)이 제안되었다. LHS는 각 입력 변수의 범위를 동일한 확률 간격으로 나누고, 각 구간에서 하나의 샘플을 선택하여 전체 입력 공간을 균일하게 탐색할 수 있도록 한다. 최근 연구에서는 LHS가 RS에 비해 예측 정확도와 모델의 일반화 능력에서 우수한 성능을 보였으며, 특히 고차원 공간에서의 효율적인 샘플링 방법으로 주목받고 있다. 34 따라서, 초기 데이터셋을 구성할 때는 LHS와 같은 균일한 샘플링 기법을 활용하여 입력 공간 전반을 고르게 대표하는 데이터 포인트를 확보하는 것이 중요하다. 이는 AI 대리모델의 학습 효율성을 높이고, 최적화 과정에서의 반복 횟수를 줄이며, 전체적인 최적화 성능을 향상시키는 데 기여할 수 있다. 3.3.3 최적화 과정에서의 효율적 후보군 추출전통적으로 소재 성능 개선을 위한 후보 조합의 선정은 경험적(Trial and error) 방법과 유전 알고리즘 기반의 최적화 기법에 의존해 왔다. 그러나 각 방법은 시간과 비용이 많이 소요되며, 탐색(exploration) 보다는 활용(exploitation)에 중점을 둔 방법들로 전역 최적점을 찾기 위해 많은 반복이 요구된다는 단점이 있다.  이에 대한 대안으로 베이지안 최적화(Bayesian Optimization)가 제안되었다. 베이지안 최적화는 확률적 모델을 기반으로 하여, 실험이나 시뮬레이션을 통해 얻은 데이터를 활용하여 다음 실험에서 가장 유망한 후보를 선택하는 방법이다. 35 베이지안 최적화의 핵심은 획득 함수(acquisition function)이며, 그중에서도 기대 향상(Expected Improvement, EI)은 현재까지의 최적 결과보다 얼마나 개선될 수 있는지를 확률적으로 평가하여 후보를 선택한다. EI는 탐색(exploration)과 활용(exploitation) 사이의 균형을 유지하여, 최소한의 실험으로도 빠르게 향상된 조성 및 공정 조건을 찾을 수 있도록 한다.  조성 및 공정 조건의 최적화는 고차원 입력 변수 공간, 초기 데이터 분포의 적절성, 후보군 선정의 효율성 등 여러 어려움이 존재한다. 그러나 물리적 지식과 기존 연구 결과를 활용하여 최적화 대상 변수를 최소화하고, 효율적인 샘플링 및 최적화 기법을 적용함으로써, 시간과 비용 측면에서 효율적인 최적화를 달성할 수 있다.  4. 생성 AI 기반 사출 공정 설계 4.1 생성 AI 기반 사출 공정 설계 시스템의 필요성 현대 제조업에서 플라스틱 사출성형 공정은 자동차, 전자기기, 의료기기, 화장품 용기 등 생활 전반에 필수적인 제품들을 대량 생산하는 핵심 기술이다. 그러나 이 공정의 최적화는 지금까지 주로 숙련된 작업자의 경험과 반복적인 시행착오에 의존해 왔으며, 이는 높은 생산 비용과 불균일한 품질 관리의 주된 원인이 되고 있다. 특히 플라스틱 사출성형은 복잡한 공정 파라미터와 외부 환경 변화에 민감하기 때문에, 전통적인 방식으로는 일관된 품질을 보장하는 것이 어려운 실정이다. 최근 제조업에서는 이러한 문제를 해결하기 위해 인공지능(AI)을 활용한 데이터 기반 접근법이 빠르게 부상하고 있다. AI 기술은 입력 변수(예: 공정 조건, 소재 조성)와 출력 결과(예: 제품 품질)의 복잡한 관계를 효과적으로 학습하고, 실시간으로 공정 조건을 최적화하여 생산성을 높일 수 있는 잠재력을 갖고 있다. 특히 AI 기반의 모델은 기존의 반복적이고 시간 소모적인 실험을 대체할 수 있는 가상 실험 환경으로 기능하여, 공정 최적화 과정의 효율성을 크게 향상시킬 수 있다.하지만 AI 모델이 충분한 성능을 발휘하기 위해서는 고품질의 학습 데이터가 필수적이다. 기존의 무작위 데이터 수집 방식은 입력 변수 공간 내에서 편향된 데이터 분포를 초래할 수 있으며, 이는 AI 모델의 예측 정확도를 저하시킬 수 있다. 따라서 전문가의 도메인 지식과 체계적인 실험설계(Design of Experiment, DOE)를 기반으로 한 데이터 수집이 중요하다.  본 연구는 이러한 DOE 기반 데이터 수집 방법을 활용하여 플라스틱 사출성형 공정의 비효율성과 불균일한 품질 문제를 해결하고자 한다. 구체적으로는 확산(diffusion) 모델을 이용한 자동 공정 조건 추론 시스템을 개발하여, 숙련된 작업자의 경험에 의존하지 않고도 외부 환경 조건 변화에 실시간으로 대응하여 양품을 일관되게 생산할 수 있는 공정 최적화를 목표로 한다. 이를 통해 AI 기반의 사출성형 공정 최적화가 생산성 향상과 품질 안정성 확보에 실질적으로 기여할 수 있음을 검증하고, 제조업 전반에서 데이터 기반 의사결정 시스템 구축의 중요성을 제시하고자 한다. 4.2 양품 공정변수 추천 시스템 개요 그림 7은 사출 공정에서 양품 생산을 위한 최적의 공정변수를 추천하는 시스템의 구성도이다. 시스템은 다음과 같이 데이터 수집, 품질 예측 모델 구축, 공정변수 추천 모델 구축, 실험 검증 단계로 구성된다:  1) 데이터 수집 단계에서는 인공지능을 학습하기 위한 최적의 데이터셋 구성을 목표로 한다. 데이터 수집을 위한 시험대(testbed)는 온·습도 센서, 중앙모니터링시스템(CMS), 비전 검사기를 갖춘 자동화 라인으로 구성된다. 온·습도 센서는 사출기 및 공장 내 환경을 1분 단위로 수집하며, 공정변수 43종 중 작업자가 실제 변경하는 10개 핵심 변수(3단계 속도·압력·위치 각 3개, 보압 시간 1개)를 선별했다. 제품 품질은 내경 허용오차(48.6-48.9㎜) 및 외관 결함(단발·숏샷·용접선)을 기준으로 양품과 불량을 구분하였다. 실험 계획법(Design Of Experiment)을 활용하여 총 2,794개의 실험 데이터를 획득하였으며, 데이터셋은 공정변수 및 환경 변수-품질 데이터로 구성된다. 2) 최적의 대리모델 개발 단계에서는 수집된 데이터셋을 기반으로 공정변수 및 환경 변수로부터 품질을 예측하는 인공지능 모델을 개발한다. 개발된 모델은 사출성형기를 대신하는 가상 실험 장치 역할을 수행한다. 3) 확산과정에서는 주어진 환경 조건에서 양품 생산을 위한 공정변수를 추천하는 확산모델을 구축하고 훈련한다. 4) 가상 실험 단계에서는 훈련된 확산모델로부터 주어진 환경 조건에서의 양품 공정변수들을 추론하고 이를 2)에서 구축한 대리모델로 1차 검증한다. 이로써 양품을 생산하지 않는 것으로 추론되는 공정변수들을 1차적으로 걸러낸다. 5) 실험 검증 단계에서는 정제된 양품 공정변수를 실제 사출기에 입력하여 양품이 나오는지 여부를 판단한다. 이 단계를 통해 구축된 시스템의 현장 적용 가능성을 확인한다. 4.3 대리모델 성능 및 변수중요도 산정 그림 8의 a에서는 구축한 대리모델의 10겹 교차검증 결과, b에서는 구축한 대리모델의 테스트 데이터셋에 대한 예측 성능, c에서는 공정변수와 품질 간의 상관관계 분석(상단 그래프) 및 양품을 생산하는데 각 공정변수의 기여도(하단 그래프)를 나타낸다. 그림 8a는 대리모델의 일반화된 예측 성능을 평가하기 위하여 수행한 10겹 교차검증 결과이다. 정확도 0.990±0.008, AUC 0.964±0.019, 진양성률(TPR, 대리모델이 실제로 불량인 데이터를 정확히 불량이라고 예측한 비율) 0.927±0.066, 진음성률(TNR, 대리모델이 실제로 양품인 데이터를 정확히 양품이라고 예측한 비율) 0.995±0.006으로 4개의 성능지표 모두에서 92% 이상의 예측 성능을 보이며 대리모델의 우수한 예측 성능을 나타낸다. 양품과 불량에 대한 각각의 예측 성능 또한 높은 정확도를 보이며, 균형 잡힌 예측 성능을 보인다.  그림 8b는 대리모델의 테스트 데이터에 대한 예측 성능을 보여준다. 양품 클래스 259개 중 1개를 틀리고, 불량 클래스 21개 중 1개를 틀리는 결과를 보여주며 우수한 예측 성능을 입증한다. 이로써, 구축한 대리모델이 사출성형기를 대신할 수 있는 가상실험기 역할을 할 수 있음을 보인다. 그림 8c의 상단 그래프는 공정변수와 품질 간의 상관관계를 보여주는 그래프이다. 예를 들어, 사출 속도3은 값이 작아질수록 불량일 가능성이 높음을 의미하며, 사출 위치2는 값이 커질수록 양품일 가능성이 높음을 의미한다. 해당 분석 결과는 사출 업자에게 공정변수 조절에 대한 가이드 라인을 줄 수 있다. 그림 8c의 하단 그래프는 양품 생산에 대한 각 공정변수의 기여도를 보여준다. 상단에 있는 공정변수일수록 양품을 생산하는 데 중요한 역할을 한다. 해당 분석 결과는 불량이 발생했을 때 조절할 수 있는 다양한 공정변수 중 어떤 공정변수를 먼저 조절해야 할지에 대한 가이드 라인을 줄 수 있다. 4.4 양품 공정변수 추론모델의 성능 비교  그림 9는 세 가지 인공지능 모델이 생성한 양품 공정변수들을 구축된 대리모델에 입력하여 가상 실험을 한 결과를 보여준다. “오차 맵” 열을 통해 각 인공지능 모델의 오차를 정성적으로 확인할 수 있으며, “혼동 행렬” 열을 통해 오차의 정량적인 평가까지 확인할 수 있다. 세 가지 양품 공정변수 추론모델 중에서 CFGDM(Classifier-Free Guidance Diffusion Model, 분류기 비 의존도 유도 확산모델)이 가장 적은 오차를 보여줬으며, 양품 공정변수 추론모델로써 가장 신뢰도 있는 모델임을 확인하였다. 4.5 양품 공정변수 추론모델의 실험 검증  그림 10은 주어진 환경 조건과 품질 조건에 대해 공정변수 추론모델(CFGDM 모델)이 제안한 공정변수를 실제 사출기에 입력했을 때 나온 제품의 품질 결과이다. 4번의 실험을 진행하였으며, 그림 10a는 현재 환경 조건에서 양품을 생산하는 공정변수들을 추론해달라고 했을 때, 그림 10b는 현재 환경 조건에서 불량을 생산하는 공정변수들을 추론해달라고 했을 때 나온 공정변수들을 실제 사출기에 입력하여 품질을 확인하였다.  그림 10a에서는 CFGDM 모델에 의해 추론된 양품 공정변수 중 2개만이 불량품을 생산하는 결과를 보인다. 불량이 나온 두 개의 공정변수를 구축된 대리모델에 입력해 보면, 양품일 확률이 각각 96.9%, 98.5%가 나오며 이 값들은 다른 양품 공정변수들의 양품일 확률과 비교했을 때 다소 낮은 값을 보여준다. 이는 사용자가 99% 이상의 확률을 가진 공정변수만 선택해 사용함으로써 신뢰성을 높일 수 있음을 시사한다. 그림 10b에서는 CFGDM 모델에 의해 추론된 불량 공정변수가 모두 불량품을 생산하는 결과를 보인다. 이 결과는 모델의 신뢰성을 확인하기 위한 절차로써, CFGDM 모델이 적절히 훈련되어 높은 신뢰성을 갖음을 보여준다. 5. 강화학습 기반 공정 제어 5.1 강화학습 기반 실시간 공정변수 최적화의 필요성 플라스틱 사출성형 공정은 다양한 제품에 대해 고품질을 유지하면서도 높은 생산성과 경제성을 동시에 달성해야 하는 복잡한 제조 과정이다. 특히, 공정변수(예: 압력, 속도, 온도 등)는 제품 품질뿐 아니라 생산 주기, 전력 소비, 금형 마모 등 생산 비용에 직결되므로 정밀한 제어가 필수적이다. 그러나 기존의 공정변수 설정은 대부분 품질 확보에 초점을 맞추고 있어, 전력 요금이나 원재료 가격처럼 시간 및 환경에 따라 변화하는 비용 요인을 반영하지 못한다. 이에 따라 제품은 양호하더라도 생산 효율성과 수익성 측면에서는 최적화되지 않는 문제가 발생한다. 심층 강화학습(Deep Reinforcement Learning, DRL)은 이러한 문제에 대응하기 위한 효과적인 접근법을 제공한다. DRL은 환경으로부터의 피드백을 통해 최적 정책을 학습할 수 있어, 공정 조건뿐 아니라 실시간으로 변동하는 전력 요금, 온도 및 습도 등 외부 요인까지 반영한 공정변수 제어가 가능하다. 이를 통해 기존에 고정된 최적화 방식이 갖는 한계를 극복하고, 제품 품질을 유지하면서도 전력 및 금형 비용을 최소화하는 방향으로 실시간 공정 조정을 수행할 수 있다. 특히, DRL 기반 의사결정 모델은 학습이 완료된 이후 매우 짧은 시간 내에 최적 조건을 산출할 수 있어, 실제 산업 현장에서 실시간적용이 가능하다는 점에서 높은 활용 가능성을 가진다.5.2 강화학습 기반 실시간 공정변수 최적화 프레임워크의 전체 구조 개요 그림 11은 심층 강화학습을 활용하여 환경 변화에 따라 실시간으로 공정변수를 최적화하는 의사결정 구조를 나타낸다. 해당 구조에서는 학습된 에이전트가 대리모델을 기반으로 품질과 비용 요소를 동시에 고려하며 공정 조건을 최적화한다. 먼저 데이터 수집 단계에서는 실제 사출성형 공정에서 수집된 데이터를 바탕으로 오프라인 심층 강화학습을 위한 대리모델 학습용 데이터셋을 구축한다. 수집된 데이터는 공정변수 43종 중 실제 현장 작업자가 조작할 수 있는 10개의 핵심 변수, 사출기 및 공장 내 온도·습도 등의 환경 변수, 내경 기준과 외관 결함에 따른 양품 또는 불량 여부로 구성된 품질 정보, 그리고 생산 시간을 나타내는 사이클 타임 등으로 구성된다. 실험 계획법을 활용하여 총 2,794개의 실험 데이터를 확보하였으며, 구축된 데이터셋은 공정변수와 환경 변수, 품질 정보, 사이클 타임으로 구성되어 있다. 이후 심층 강화학습 기반의 의사결정 모델 학습 단계에서는 앞서 수집된 학습 데이터를 활용하여 품질 분류 및 사이클 타임 예측을 위한 대리모델을 학습한다. 이 대리모델은 강화학습 에이전트가 상호 작용하는 가상 사출성형 환경으로 활용되며, 에이전트는 PPO(Proximal Policy Optimization) 및 SAC(Soft Actor-Critic) 알고리즘을 통해 온도, 습도 등 환경 변수의 변화에 유연하게 대응할 수 있도록 공정변수 조정 정책을 학습한다.  마지막으로 실시간 최적화 단계에서는 학습된 강화학습 에이전트를 실제 생산 환경에 배치하여, 온도, 습도, 전력 단가 등 외부 조건을 실시간으로 반영하면서 공정변수를 조정한다. 이를 통해 양품 생산을 안정적으로 유지함과 동시에 에너지 및 생산 비용을 절감하고, 궁극적으로는 공정의 수익성을 극대화할 수 있다. 5.3 강화학습 기반 실시간 공정변수 최적화 방법의 수익성 및 계산 시간 비교  그림 12는 계절에 따른 환경 변수와 전력 요금의 변화를 시각화하고, PPO, SAC 기반 의사결정 모델과 Genetic Algorithm(GA) 기반 최적화 기법을 실제 생산 환경에 적용했을 때의 수익성과 계산 시간을 비교한 결과를 보여준다. 그림 12(a)~(c)는 사출성형 공정에 영향을 미치는 계절별 온도 변화와 시간대별 전력 요금 변화를 시각적으로 나타낸 것이다. 이러한 외부 조건은 생산 단가, 품질 안정성, 에너지 소비에 직접적인 영향을 주며, 공정 최적화 시 반드시 고려되어야 할 요소이다. 강화학습 기반의 에이전트는 이와 같은 환경 변화에 대응할 수 있도록 학습되며, 외부 조건을 실시간으로 반영해 최적의 공정 조건을 결정할 수 있도록 설계되었다. 그림 12(d)는 사전에 학습된 PPO, SAC 의사결정 모델과 GA 최적화 기법을 동일한 환경에 적용하여 수익성과 계산 시간을 비교한 결과를 나타낸다. 실험 결과, PPO와 SAC는 GA와 유사한 수준의 수익성을 유지하면서도, 계산 시간 측면에서는 GA 대비 수십 배 이상 빠른 처리 속도를 보여주었다. 특히 SAC는 환경 변화에 대한 적응력과 안정적인 성능을 바탕으로 보다 일관된 결과를 제공했으며, 실시간 공정 제어에 적합한 특성을 확인할 수 있었다. 반면 GA는 탐색 성능은 우수하였으나 반복적인 연산이 요구되어 계산 시간이 길고, 실시간적용에는 한계가 있는 것으로 나타났다. 이러한 비교 결과는 강화학습 기반 의사결정 모델이 실제 생산 환경에서 환경 조건 변화에 즉각적으로 대응할 수 있으며, 계산 효율성까지 확보할 수 있다는 점에서 기존 최적화 기법보다 우수한 대안임을 보여준다. 특히 실시간 제어와 운영 효율성이 중요한 제조 현장에서, PPO와 SAC는 수익성과 속도 두 측면에서 균형 잡힌 성능을 제공하며, 향후 공정 자동화 및 지능형 운영 시스템에 효과적으로 활용될 수 있을 것으로 기대된다. 6. LLM 기반 사출 공정 구동 UI 6.1 LLM 기반 사출성형 지식 전이 시스템의 필요성 사출성형은 고정밀 플라스틱 부품을 대량 생산하는 대표적인 제조 방식으로, 다양한 산업에서 핵심적인 생산 공정으로 자리 잡고 있다. 특히, 고 다품종 소량 생산(high-mix, low-volume)이 일반화되면서, 생산 조건의 복잡성과 외부 환경 변화에 따라 작업자들의 고도 현장 지식이 필수적으로 요구되고 있다. 현재까지의 사출성형 공정은 숙련자의 경험에 기반한 수작업 판단에 크게 의존하고 있으며, 재료 특성, 금형 상태, 장비 세팅 등 다양한 변수가 제품 품질에 직접적으로 영향을 미친다. 기존의 지식 전이 방식은 문제별 규칙 정리, 고장 대응 매뉴얼 작성, 숙련자-비숙련자 간 도제식 교육 모델에 기반해 왔으나, 최근 고령화와 신규 인력 유입 감소로 인해 산업 현장의 노하우 단절이 심화되고 있다. 특히 다국적 생산 환경에서는 언어 장벽 또한 지식 공유를 어렵게 만들고 있으며, 이에 따라 생산 품질 저하와 효율성 저하로 이어지는 사례가 증가하고 있다. 따라서, 숙련자의 암묵지를 체계적으로 문서화하고, 다양한 언어와 숙련도 수준의 작업자 간 원활한 소통이 가능한 지능형 지식 전이 시스템의 구축이 요구되고 있다. 6.2 LLM의 산업 적용 발전 현황 최근 대규모 언어 모델(Large Language Models, LLM)의 비약적인 발전은 자연어 추론, 문제 해결, 맥락 기반 판단 등에서 인간 수준의 성능을 보이며, 다양한 산업 분야에서 응용 가능성을 보여주고 있다. 특히, Chain-of-Thought prompting, In-context learning과 같은 기술은 모델 파라미터를 수정하지 않고도 복잡한 문제를 단계적으로 해석하고, 제한된 예시만으로도 유의미한 판단을 수행할 수 있도록 한다. 하지만 일반적인 프롬프트 기반 LLM은 특정 산업 도메인에 대한 이해가 부족하고, 비사실적 내용(hallucination)을 생성하는 한계가 존재한다. 이러한 한계를 극복하기 위해, 특정 태스크에 맞춘 파인튜닝(fine-tuning), 외부 지식 기반 정보를 동적으로 삽입하는 검색 기반 생성(Retrieval-Augmented Generation, RAG), 그리고 도구 기반 LLM 에이전트(agent)의 개발이 활발히 이루어지고 있다. 최근에는 다중 LLM 에이전트가 역할을 분담하고 상호 협력하여 복잡한 작업을 수행하는 멀티 에이전트 프레임 워크로 발전하고 있으며, 이는 제조 현장에 요구되는 유연하고 상황 적응적인 AI 시스템 구현에 적합한 방식으로 주목받고 있다. 6.3 LLM 기반 사출성형 지식 전이 프레임 워크의 전체 구조 개요 본 연구에서는 복잡한 사출성형 현장 지식 전이를 위한 멀티 에이전트 LLM 기반 프레임 워크를 제안한다. 그림 13과 같이 본 프레임 워크는 다양한 도구(tool)와 지식 소스를 연동한 다중 LLM 에이전트 시스템으로 구성되며, 입력된 작업자의 업무를 처리하기 위해 계획–수행–평가의 단계를 통해 자율적으로 응답을 생성한다.   구체적으로, 작업자의 질의가 입력되면, 시스템은 과거 대화 기록을 참조하여 맥락 정보를 재구성하고, 번역 및 분류를 입력 처리한다. 이후, 사출성형 관련 질의는 “계획-실행 워크플로”에 따라 순차적으로 해결되며, 이를 위해 다음의 네 가지 도구들이 사용된다: (1) 인터넷 검색 모듈, (2) 고장 대응 테이블 검색기, (3) 제조 메뉴얼 검색기, (4) 디퓨전 모델. 이 중 (2)~(3)은 제한된 정적 지식 기반을 활용하는 반면, (4)는 현장 데이터를 기반으로 공정 조건을 정량적으로 생성한다. 사출성형과 관련이 없는 업무의 경우에는 계산의 자원을 아끼고, 빠른 답변을 위해서 계획 및 실행을 건너뛰고, 하나의 에이전트(ReAct 에이전트)가 추론 및 인터넷 검색을 진행하여 답변하는 방식으로 답변을 생성한다. 이러한 구조는 제한된 도메인 지식과 풍부한 실측 데이터 기반 문제에 각각 대응할 수 있는 동시에, 일상적으로 어렵지 않는 문제에 대해서는 빠른 답변을 가능하게 한다. 마지막으로, 사용자의 질의는 다국어로 입력될 수 있고, 최종 응답은 해당 언어로 자동 번역되어 반환된다.  
취재부 2025-09-02
기사제목

자가 복원 및 형상기억 수지로서 폴리우레탄의 특성 및 응용 - 2

 (3) flexible 전자소자웨어러블 기기, 전자 skin, flexible 디스플레이, soft 로봇 등은 반복적인 변형이나 외부 충격에 노출되기 쉽다. 자가 복원 폴리우레탄은 이러한 flexible 전자소자의 기판, 봉지재, 전도성 복합체의 matrix로 사용되어 기계적 손상 발생 시에 전기·기계적 성능을 자율적으로 복구할 수 있게 한다. 특히 전도성을 부여하기 위해 탄소나노튜브(CNT), 그래핀, 금속 나노와이어 등을 자가 복원 폴리우레탄과 복합화하는 연구가 중요하다. flexible 전자소자는 반복적인 굽힘, 접힘, 마찰 등에 의해 구조적 손상을 입기 쉬우며, 이는 소자의 수명을 단축하고 작동 신뢰성을 저하한다. 이러한 문제를 해결하기 위해 최근에 상온에서도 자가 복원이 가능한 폴리우레탄 소재가 활발히 연구되고 있다. 폴리우레탄은 유연성과 기계적 안정성이 뛰어나기 때문에 flexible 전자소자의 기판재료로 널리 활용되어 왔으며, 여기에 자가 복원이나 전도성 기능을 접목하는 융합기술이 새로운 응용 가능성을 제시하고 있다.  Ying 등은 hydroxyl-terminated polybutadiene(HTPB), Bis(4-hydroxyphenyl)-disulfi de(HPS), isophorone diisocyanate(IPDI)를 사용하여 소수성이며 상온 자가 복원이 가능한 폴리우레탄을 one-pot 축합반응으로 합성하였다. 여기에 Galinstan(갈륨 기반 액체금속 합금)을 도입하여 전자 스킨(e-skin)를 제조하였으며, 인장강도 11.8MPa, 파단신율 618%, 인성(toughness) 27.5MJ/m-3의 우수한 기계적 특성을 보였다. 특히 방향족 disulfide 결합의 동적특성에 의해 손상된 폴리우레탄은 25℃에서 6시간 만에 기계적 성능의 93%까지 회복되었다. 또한 1,000회 반복 인장(100% 변형률) 후에도 강도 저하가 거의 없어 뛰어난 피로 저항성을 확인할 수 있었다. 이 소재는 3일간 물속에 침지된 후에도 형태와 전기전도도가 유지되었으며, 손상 후 자가 복원된 전자 skin은 원래 샘플과 유사하게 압력분포를 감지하는 기능을 회복하였다. 한편, Si 등은 양전하성 PEI 수용액과 음전하성 WPU 에멀젼을 혼합하여 WPU-PEI 복합체를 제조하고, 여기에 은 플레이크(silver flake)를 도핑하여 flexible 안테나를 제작하였다. 이 안테나는 상온의 물속에서 수 초 이내에 자가 복원되고 전기전도도는 4000S/cm-1에 이르렀다. 이는 이온 상호작용, 수소결합, 고분자 사슬 얽힘의 3가지 비공유 상호 작용에 의해 절단 부분이 빠르게 재접합하여 전도성이 회복된 것으로 분석된다. 기계적 특성이 완전 회복하기에는 3시간 정도가 필요하지만, 반복적인 스트레칭 이후에도 전도성이 안정적으로 유지되었다. PU-PEI 안테나는 Wi-Fi 및 블루투스 기능에도 활용 가능성을 보였다. 상온 자가 복원 폴리우레탄은 전기적·기계적 손상 회복을 위한 탁월한 플랫폼이 될 수 있으며, 전도성 구현 방식에는 두 가지의 주요한 접근법이 있다. 하나는 전도성 물질을 폴리우레탄 표면에 부착하는 방식이며, 이는 반복사용 시 물질이 쉽게 탈락하여 내구성 저하로 이어진다. 다른 하나는 전도성 물질을 폴리우레탄 matrix에 혼합하는 방식인데 이 경우 기판과의 상용성 부족으로 인해 층간 박리 현상이 발생하고, 이에 따라 기계적 강도, 전기전도성, 자가 복원 성능이 모두 저하될 수 있다. 따라서 향후에는 전도성 물질과 기판 간의 상호작용을 증강하거나, 전도성 필러 자체를 표면 개질하여 기판과의 상용성을 높이는 기술개발이 필요하다. 이러한 방향성은 flexible 전자소자의 수명과 신뢰성 향상에 결정적인 기여를 할 수 있을 것으로 기대된다. (4) 생체재료  생체적합성을 가지는 자가 복원 폴리우레탄은 임플란트, 조직 공학용 지지체, 약물전달시스템, 의료용 접착제 등 다양한 생체의학 분야에 응용될 수 있다. 특히 체온 환경에서 자가 복원이 가능한 소재는 체내에서 발생하는 미세 손상을 복구하여 임플란트의 수명을 연장하거나 조직 재생을 도울 수 있다. 생체적합성, 생분해성, 생체환경(체액, 효소 등)에서의 안정성 및 복원 성능 유지가 중요한 사항이다. 폴리우레탄은 우수한 내마모성, 화학적 안정성, 저렴한 제조 비용, 그리고 양호한 생체적합성에 의해 생체재료 분야에서 광범위하게 사용되고 있다. 하지만 체내에 적용되는 생체재료는 사용 중 반복적인 마찰, 자극, 화학 환경 변화 등으로 인해 손상되기 쉬우며, 이는 환자의 생명과 건강에 직접적인 위협이 될 수 있다. 따라서 자가 복원 기능이 부여된 생체용 폴리우레탄의 개발은 생체재료의 수명을 연장하고 의료적 안전성을 확보하는 데 매우 중요하다. 최근 You 등은 옥심(Oxime) 결합을 이용해 자발적 자가 복원이 가능한 폴리우레탄 엘라스토머를 설계하였다. 이들은 DMG(Dimethylglyoxime), PTMG(Poly(tetramethylene ether) glycol), IPDI(Isophorone diisocyanate), 글리세롤(Glycerol)을 조합하여 기계적 특성, 생체적합성, 생분해성 및 생리 조건에서의 자가 복원 성능을 조절할 수 있는 시스템을 구현하였다. 해당 폴리우레탄은 생체 내 손상 부위에서 in situ 자가조립 및 복원이 가능하며, 기존 수술에서 사용되는 봉합사나 철사 등을 대체할 수 있다. 실제로 이 소재는 복부 대동맥류, 신경 접합, 흉골 고정 등의 외과적 시술에서 2차 손상을 방지하고 수술의 효율성과 효과를 높이는 데 기여할 수 있다. 또한, Eom 등은 방향족 disulfide 결합 기반의 탄산염 폴리우레탄을 합성하여 자기복원 특성과 생체적합성을 동시에 확보하였다. 최적화된 시료는 인장강도 42.9 MPa, 파단신율 480%, 인성 75.1 MJ/m-3의 우수한 기계적 성능을 보였으며, 35℃에서 48시간 복원 후 각각 77.2%, 82.7%, 64.6%까지 회복되었다. 세포배양 조건에서 세포독성이 거의 없었고, 흰쥐 피하에 12주간 이식한 실험에서도 염증반응이 관찰되지 않아 생체적합성이 매우 우수함을 확인하였다. 생체환경의 특성상 복원온도는 체온 수준인 약 35~37℃에서 이루어져야 하며, 산성 환경(위장), 고하중 관절 부위 등 복합적이고 까다로운 생리 조건에서도 효과적인 자기복원이 가능한 시스템의 개발이 요구된다. 현재 대부분의 자기복원 폴리우레탄은 비교적 자연환경에서 실현되고 있으므로, 이러한 고난도 환경에서의 성능 확보가 향후 연구의 핵심 과제로 제시된다. 또한 조직별 생체재료의 요구성능이 상이하기 때문에, 적용 부위에 따른 폴리우레탄 복원 메커니즘의 미세조정 및 맞춤 설계도 필요하다. 자가 복원 과정에서 폴리우레탄 분자는 분해와 재결합을 반복하게 되며, 결국 체내에서 생분해된다. 이때 분해 산물의 생체 독성 여부는 생체안전성 확보를 위한 핵심 검토 요소로서, 향후 세포 및 분자 독성에 대한 정밀 연구가 병행되어야 한다. 이와 같이 자가 복원 폴리우레탄은 기존의 외과적 수복방식에 대한 획기적인 대안이 될 수 있으며, 생체적합성·기계적 안정성·자가 복원성을 모두 아우르는 다기능성 소재로서 가능성을 보여주고 있다. 이를 실현하기 위해서는 생리학적 조건에 적응할 수 있는 복원시스템과 생체안전성이 확보된 분해 메커니즘에 대한 심화연구가 필수적이다.  2. 형상기억 폴리우레탄 수지(SMPU) 2.1 서론  형상기억 고분자(Shape Memory Polymer, SMP)는 열, 습도, pH, 빛, 자기 에너지, 전기장 등 다양한 외부자극에 반응하여 일시적으로 변형된 형태를 고정하고, 필요 시 본래의 형상으로 복원할 수 있는 특성을 가지는 재료이다. 이러한 자가 복원 및 회복 능력은 고분자 사슬 내의 두 가지 상태인 frozen hard phase와 가역적으로 전환할 수 있는 reversible switching soft phase의 존재에 기인한다. 특히, 폴리우레탄은 비정질 또는 결정성 상 모두에서 가역적 전이가 가능하여 형상기억 효과를 구현하는 데 매우 유리하다. 폴리우레탄은 고분자 사슬 내 미세 상의 불균일성에 따른 고유의 구조적 특성을 가지며, 이에 따라 다양한 온도 범위에서 형상이 회복될 수 있는 능력과 최대 400% 이상의 높은 회복 변형률을 보인다. 또한, 사슬 내의 soft 섹션과 hard 섹션을 동시에 포함하고 있어 유연성 및 수축 온도를 정밀하게 조절할 수 있는 장점을 나타낸다. 이와 같은 전이온도(유리 전이온도 또는 용융온도)는 중합반응에 사용되는 구성 요소의 선택 및 조성 비율에 따라 쉽게 제어할 수 있어, 제조공정의 유연성과 소재의 맞춤형 특성 조절에 커다란 이점을 부여한다. 더욱이, 폴리우레탄은 다양한 구조적 형태로 제공될 수 있다. 예를 들어, 열가소성 수지, 엘라스토머, Foam, 섬유 등으로 제작되어 응용 분야와 설계 목적에 따라 선택적으로 활용될 수 있다. 이와 같은 다변성은 폴리우레탄이 여러 종류의 형상기억 고분자 중에서도 특히 높은 응용 가능성을 가지게 하는 이유 중의 하나이며, 이를 통해 차세대 스마트 재료, 바이오메디컬 기기, flexible 전자소자 등 응용 분야에서 중요한 역할을 할 것으로 기대된다. 2.2 시장 예측 및 동향   형상기억 고분자(SMP) 시장은 2022년 기준 약 5억 2천만 달러(USD) 규모로 평가되었으며, 2023년부터 2032년까지 연평균 성장률(CAGR) 26.5%의 높은 성장이 예측된다. 이러한 전망은 바이오의학 분야에서의 수요 증가에 크게 기인하며, SMP의 고유한 물성인 생분해성, 고탄성 회복성, 저밀도, 우수한 생체적합성 등이 다양한 의료기기 및 조직 공학 응용으로 확산하고 있다.  SMP의 제조는 기술 집중형 공정으로 고도의 공정 제어 및 소재 설계 역량이 필요하다. 이에 따라 대규모 기업 중심으로 R&D 및 전문인력 양성이 진행 중이며, 소규모 제조업체나 개발도상국 시장 진입 장벽은 여전히 높다. 소재별로는 폴리우레탄(SMPU)이 가장 널리 사용되고 있으며, 2032년까지 22억 달러 이상으로 확대될 것으로 전망된다. 뛰어난 기계적 강도, 인장성, 유연성, 내화학성, 전기 절연성 등을 가지고 있어 의료기기, 센서 시스템, 우주용 구조물 등 다양한 분야에서 활용된다.  2.3 SMPU 특성 평가 형상기억 폴리우레탄(Shape Memory Polyurethane, SMPU)은 외부자극에 반응하여 일정한 동작을 구현하는 스마트 고분자로, 그 성능은 일련의 정량적 특성 지표를 통해 체계적으로 평가된다. 주요 특성 지표에는 전이온도, 형상 고정률, 형상 복원율, 최대 회복 변형률, 최대 회복 응력 등이 있으며, 이들은 SMPU의 실질적인 응용 가능성과 신뢰성을 결정하는 핵심 파라미터이다.  형상 고정률(Rf)은 SMPU가 임시 형상을 얼마나 잘 유지할 수 있는지 나타내는 지표로, 총변형에 대한 고정된 변형의 비율(%)로 정의된다. 이는 변형된 상태에서 냉각 혹은 결정화 등의 과정을 거쳐 형상이 고정되는 정도를 수치화한 것으로, 일반적으로 strain fixity 혹은 shape retention으로도 불린다.  형상 복원율(Rr)은 SMPU가 임시 형상에서 원래 형상으로 회복할 수 있는 능력을 의미하며, 회복된 변형량을 전체 변형량에 대한 비율(%)로 나타낸다. 이 두 가지 지표는 형상기억 특성의 정밀 평가를 위한 기본 요소이다.  복원 속도(Vr)는 온도와 같은 외부자극에 의해 본래 형태로 회복하는 속도를 의미하며, 복원 과정의 시간-변형 곡선에서 도출할 수 있다. 이 지표는 의료용 임플란트, 스마트 웨어러블 소재 등에서 반응속도 제어가 필요한 응용에 매우 중요하다. 전이온도(Ttrans)는 SMPU의 형태 변화가 활성화되는 임계온도를 의미하며, 비정질 SMPU에서는 유리 전이온도(Tg), 결정성 SMPU에서는 용융점(Tm)이 해당한다. 전이온도는 일반적으로 시차주사열량측정기(DSC) 또는 동적기계분석기(DMA)를 통해 측정되며, 이 온도에서 재료는 유연해지고 사슬 이동이 가능해져 형상 변화가 일어난다.  형상기억 사이클(Shape Memory Cycle, SMC)은 Rf, Rr 등 특성 지표의 실험적 측정을 위한 절차로 활용된다. 대표적으로는 변형→고정→자극과 같은 복원 순서로 수행되며, 샘플의 치수 변화를 수동 혹은 자동으로 기록한 후 수식을 통해 Rf, Rr을 계산한다. 고정된 실험 조건에서 기후 챔버(climate chamber)가 부착된 기계적 시험 장비는 Єmax측정에 최적이며, 이 장비는 시편을 Ttrans에서 파단될 때까지 인장함으로써 최대 회복 변형률을 정밀하게 산출할 수 있다. 2.4 작용 메커니즘 형상기억 고분자(SMP)는 온도나 빛과 같은 외부자극에 따라 임시 형상을 원래 형상으로 되돌릴 수 있는 기능성 고분자이며, 그 동작 원리는 고분자 사슬의 온도 의존적 운동성과 물리적 상변화에 기반을 둔다. 이러한 동작 메커니즘은 특히 SMPU 시스템에서 정밀하게 조절할 수 있으며, 다양한 스마트 응용에 활용된다. 고분자는 유리 전이온도(Tg) 이하에서 사슬의 세그먼트 운동이 정지되어 유리 상태(glassy state)를 유지하지만, Tg이상에서는 고무상태(rubbery state)로 전이되어 사슬의 움직임이 급격히 활성화된다. 이 상태에서 일시적으로 외력을 가하면 사슬 간 얽힘에 의해 큰 이동이 억제되어 엔트로피 기반의 탄성 에너지가 저장된다. 반면, 장시간 외력이 지속되면 사슬이 이완되고, 사슬 미끄러짐(slippage) 및 벌크 흐름이 발생할 수 있다. 이때, 고분자 net work 사슬은 분자적 스위치로 작동하여 가역적 변형이 가능해진다.  형상기억은 임시 형상이 고정되고 다시 원래 형태로 회복되는 두 단계로 이루어진다. Tg 혹은 결정화 전이온도(Ttrans) 이상의 온도에서는 고분자 사슬이 유연해지지만, 그 이하에서는 움직임이 제한되어 사슬들이 즉각적으로 코일 상태로 복귀하지 못하게 된다. 이는 비정질 영역의 동결 또는 결정영역의 결정화에 의해 형상이 고정되는 것이다. 이 과정에서 사슬의 인장 변형은 엔트로피의 감소를 초래하며, 냉각을 통해 내부에너지를 줄여 임시 형상을 유지한다. 이후 다시 가열하면, 사슬이 연화되거나 결정이 용해되어 더 안정한 코일 상태로 이완되며, 저장된 탄성 에너지가 방출되어 형상이 복원된다.이러한 SMPU의 거시적 거동은 분자 수준에서의 유리상 탄성률(Eg)과 고무상 탄성률(Er)의 비율로 정량화될 수 있다. Eg/Er비율이 높을수록 고온에서 쉽게 변형되고, 저온에서는 강한 형상 고정력이 나타난다. 실제로, 고온에서 SMPU는 고무상으로 인해 사슬의 배향이 쉬워지며 변형이 용이해진다. 반면 저온에서는 유리상으로 인해 강한 저항을 보이지만, 사슬 이완이 느리기 때문에 배향이 더 안정적으로 유지된다. 또한 고속 변형 시 회복률이 증가하고 최대 변형률이 낮을수록 형상 복원 능력이 향상된다는 실험적 결과도 보고되고 있다. SMPU의 전이온도(Ts)는 구성 요소의 구조 및 조성을 조절함으로써 -30°C에서 +100°C 범위에서 정밀하게 조절할 수 있다. 더욱이 강화 나노소재의 종류와 함량을 적절히 선택함으로써 SMP의 형상기억 성능을 조절할 수 있다.  2.5 설계 프로토콜 SMPU의 기능 구현은 원래 형상을 유지하고 복원하는 hard segment(또는 fixed segment)와 외부자극에 반응하여 임시 형상을 고정하고 다시 원래 상태로 회복하게 하는 switching segment(soft segment 또는 reversible phase)의 두 가지 상이한 세그먼트의 정교한 조합을 기반으로 이루어진다. 이러한 구조가 열, pH, 빛, 전기장 등 다양한 자극에 따라 가역적으로 작용할 수 있는 형상기억 시스템의 핵심 메커니즘을 구성한다. hard 세그먼트는 일반적으로 화학적 가교, 결정상, 상호침투 네트워크(IPN) 등을 통해 형성된다. 반면, soft 세그먼트는 유리전이(Tg), 융점(Tm), 가역 공유·비공유 결합(Diels-Alder 반응, 수소결합, 광이량화 반응)을 통해 임시 형상 고정을 수행한다.   이러한 스위칭 온도(Tsw)는 SMP의 작동온도를 정의하며, 특히 Tsw가 인체 온도 근처일 경우 생체 의료 응용에 매우 유리하며, 일반적으로 Tm기반 스위칭이 Tg보다 더 선명하고 안정적인 동작을 제공한다. 형상기억 성능은 형상 고정률, 형상 복원율, 복원 응력, 최대 변형률, 복원 속도 등의 정량적 지표로 평가된다. 특히 복원 응력과 복원율은 고분자의 내부 상호작용에 크게 의존하며 hard 세그먼트는 복원력의 중심점 역할을, soft 세그먼트는 외부 변형 흡수 및 스트레스 분산 기능을 수행한다. 따라서 세그먼트 간의 조성비, 물리적 결합 강도, 결정도, 분자배열 상태 등의 구조적 매개 변수는 SMPU 설계에 반드시 정밀하게 조절되어야 한다. SMPU 설계에서 또 다른 중요 요소는 탄성률의 온도 의존성이다. 이상적인 SMPU는 스위칭 온도(Tsw)를 중심으로 고분자 사슬의 미세 브라운 운동이 활성화되면서, Tg 이하에서 높은 고정성, Tg 이상에서는 높은 복원성을 보이는 탄성률의 급격한 변화를 보여야 한다.  이러한 물성 조절을 위한 분자설계 전략으로 고결정성 soft 세그먼트(polycaprolactone diol) 도입, 메조제닉(mesogenic) 유닛(hydroxyl-substituted biphenyl 등) 삽입, 이온성 작용기(dimethylol propionic acid 등)의 도입이 연구되고 있다. 특히 Kim 등은 고탄성률 비(Eg/Er)가 높은 SMPU일수록 형상기억 성능이 우수하다고 보고하였으며, 이를 실현하기 위한 고분자 조성의 조절이 필수적이다. 2.6 응용 분야 SMPU는 외부자극에 따라 구조적 형태를 가역적으로 변화시키는 능력을 바탕으로, 일상적인 소비재부터 고기능 의료기기까지 폭넓은 응용 가능성을 지닌 스마트 소재이다. 이 재료는 기존 열가소성 고분자와는 달리, 열, 전기장, 습도, 빛, pH 등의 자극 반응성을 기반으로 기능을 발현하며, 스스로 작동하거나 외부 환경에 반응하는 능동적 시스템으로 점차 진화하고 있다. 이러한 특성 덕분에, 의수 근육 같은 인공 장기, 스마트 카테터, 약물전달시스템, 생체 센서, 자가 복원 자동차 부품, 스마트 섬유, 자가 복원 코팅, 지능형 봉합사 등 다양한 차세대 기술 분야에서 응용이 빠르게 확산하고 있다. 2.6.1 산업 분야 응용 산업 분야에서는 SMPU의 열수축성과 가공 용이성을 활용한 응용이 두드러진다. 대표적으로는 열수축 튜브(heat-shrinkable tubing), 형상기억 필름, 그리고 다양한 자동 작동장치의 핵심 소재로 사용되고 있다. SMPU는 열변형이 용이하고, 낮은 온도에서도 복잡한 구조 구현이 가능하다는 장점이 있다.  이와 같은 기능은 단순한 물리적 변화에 그치지 않고, 스마트 시스템과 융합될 경우 센서-구동 통합 구조를 구성할 수 있어, 향후 소프트 로보틱스, 에너지 절약형 자동장치, 건축·인테리어의 능동형 구조물 등에 적용 가능성이 매우 높다. 2.6.2 바이오의학 응용 SMPU는 형상 복원 기능, 유연한 가공성, 생분해성, 생체적합성 등을 동시에 갖출 수 있어, 조직 재건, 수술 보조, 삽입형 기기 등 다양한 바이오의학 기술에 적용되고 있다. 하지만 인체 내부에서의 사용을 위해서는 극복해야 할 요소도 많다. 특히 열 반응성 SMPU의 체내 적용 시 과도한 국소 발열이 문제가 될 수 있으며, 이를 해결하기 위해 비접촉형 자극원(적외선, 레이저 등)이나 자기 나노입자 삽입을 통한 원격 자극 방식이 제안되었다. 자기장에 의해 유도된 선택적 발열은, 특정 부위에서만 SMPU가 작동하도록 하여 정밀한 체내 제어를 가능하게 한다.  SMPU의 생체적합성과 무독성은 바이오의학 응용의 핵심 조건이다. 대표적으로 Poly(ε-ca prolactone)(PCL), Polyethylene glycol(PEG), Polylactide(PLA) 기반의 SMPU는 다양한 세포 및 조직에서 우수한 생체적합성을 보였다. 구체적 응용 사례로는 혈전 제거 장치, 혈관 스텐트, 심장 판막 복원 장치, 정형외과용 고정 소재, 광역학 치료 장치, 치과용 교정 와이어, 자가봉합 섬유 등이 있다. 치과 분야에서도 SMPU는 금속 와이어보다 미관상 좋기 때문에 생체 친화적인 교정 와이어로 활용되며, 열 자극에 의해 치아를 점진적으로 이동시키는 기능을 수행한다.  조직(tissue) 공학은 SMPU의 핵심 응용 분야 중 하나이다. SMPU 기반 생분해성 스캐폴드(scaffold)는 최소 침습 방식(카테터 삽입 등)을 통해 체내에 적용될 수 있으며, 세포 부착, 성장, 조직 재생을 유도한다. 더욱이 SMPU/CMT 복합체는 MG63 세포의 분화유도 능력을 보여주었고, 이는 골 재생용 바이오 소재로서의 가능성을 크게 확대했다. 중간엽 줄기세포는 뼈, 지방, 연골, 근육 등 다양한 조직의 전구세포로 기능하기 때문에, SMPU 기반 시스템은 조직 재건 및 맞춤형 재생의료의 핵심 기술로 주목받고 있다. 2.6.3 섬유 분야 응용 SMPU는 자극 반응성과 유연한 가공성을 바탕으로 섬유 및 의류 산업에서 스마트 텍스타일로의 활용 가능성이 매우 높은 소재이다. SMPU 필름과 폼은 적층형 스마트 섬유의 핵심 구성 요소로 활용되며 방수성, 수증기 투과율(WVP), 주름 복원력, 형태 고정성 등의 기능적 특성을 구현할 수 있다. SMPU의 섬유 응용은 단순한 기능성 코팅을 넘어 에너지, 의료, 웨어러블 디바이스로 확장되고 있다. 의료 분야에서도 SMPU는 만성 정맥 질환 치료용 의료 압박 스타킹에 적용되었다. 이 소재는 착용 부위의 압력을 조절하거나, 단순히 가열만으로 추가 압력(최대 50%)을 생성할 수 있어 기존 스타킹의 단점을 보완한 지능형 압박 치료 도구로 활용할 수 있다.  2.6.4 최신 응용 분야 개발 동향 2.6.4.1 생체적합성 및 생분해성 SMPU 기반 의료기기 개발생체적응성과 생분해성은 의료 분야에서의 응용 확장을 위한 핵심 요건이다. 자가 조임형 봉합사, 조직공학용 스캐폴드, 약물전달시스템, 최소침습용 이식체, DNA/단백질-고분자 접합체 기반 자가 수축형 스텐트 등 다양한 바이오 소재가 개발되고 있다. 이들은 인체 내부에서 능동적으로 작동하고 최종적으로 분해되어 제거되는 스마트 이식형 시스템으로 주목받는다. 하지만 효소적 가수 분해적 분해 속도, 생체 독성, 기계적 안정성 등은 여전히 해결이 필요한 기술적 과제이며, 고분자의 구조설계 및 물성제어를 통해 정밀하게 조율되어야 한다. 2.6.4.2 3D 프린팅 응용 확장외부자극에 따른 형태 변화 특성을 활용하여 3D 및 4D 프린팅 기술의 핵심 소재로 부상하고 있다. 특히 시간에 따른 구조의 자율 진화 개념을 적용한 4D 프린팅 기술은 자가 작동형 구조물, 소프트 로보틱스, 위조 방지 시스템, 생체 모사 재료 등에서 혁신적 응용을 가능케 한다. 그러나 현재까지는 적합한 SMPU 소재의 한정성, 미세구조 결함, 실시간 반응제어의 어려움 등 기술적 한계가 존재하며, 소재와 공정 간 상호작용에 대한 체계적 연구가 필요하다. 2.6.4.3. 자가 정화·복원·적응 기능 통합최근 SMPU 소재는 단일 기능을 넘어 복합 스마트 기능을 융합한 지능형 시스템으로 진화하고 있다. 자가 정화 기능이 부여된 방오 창호, 광 반응형 스마트 윈도우, flexible 태양전지 모듈, 생체 모사 로봇, 자가 복원 항공기 부품 등은 SMPU의 내구성과 기계적 성능이 개선될수록 그 실용성이 극대화될 수 있다. 이를 위해 고기능 나노소재와의 융합을 통해 복합 성능 향상이 기대된다. 2.6.4.4 에너지 수확형, 화학 반응형 SMPU의 부상SMPU는 단순한 형태 반응을 넘어서 외부에너지를 감지 및 수확하는 스마트 센서 및 소자로의 발전 가능성을 지닌다. 예를 들어, 태양광 반응형, 화학반응 기반 자가 작동, 각종 고감도 센서 소재 등은 미래 에너지-소재 융합기술로 주목받고 있다. 3. 맺음말 자가 복원 및 형상기억 폴리우레탄은 자극 반응성을 기반으로 한 고분자 시스템으로서, 그 독특한 구조에 의해 뛰어난 물리적 성능과 제어 가능성을 확보하며, 이를 기반으로 섬유, 의료, 전자, 에너지 등 다양한 산업 분야에서의 응용이 실현되고 있다. 그리고 최근에는 단순한 소재를 넘어 형상 제어, 자가 복원, 에너지 응답, 생체적응성 등을 융합한 차세대 지능형 기능성 재료로 급부상하고 있다.  이와 같이 SHPU 및 SMPU는 고분자 과학만이 아니라 기계공학, 생명공학, 전자재료공학 등 학제 간 융합기술을 매개로 하는 핵심 소재로 자리매김하고 있으며, 지속 가능하고 고성능 지능형 시스템 구현을 위한 전략적 플랫폼으로서 21세기 첨단 응용 소재 개발의 중심축이 될 것이다.     
편집부 2025-08-02
기사제목

자가 복원 및 형상기억 수지로서 폴리우레탄의 특성 및 응용 - 1

 1. 자가 복원 폴리우레탄 (SHPU)  1.1 서론 현대사회는 고성능, 고내구성 소재에 대한 지속적인 수요 증가와 함께, 산업 전반에 걸쳐 제품의 수명연장, 유지보수 비용 절감, 환경보존, 그리고 시스템의 안정성 확보라는 기술적 과제를 안고 있다. 이에 따라 재료과학은 단순한 물성 향상을 넘어, 외부 환경에 대응할 수 있는 능동적 기능성을 지닌 소재 개발로 관심이 이동하고 있다. 특히 폴리우레탄 수지는 고분자재료 중에서도 기계적 강도, 유연성, 내화학성, 접착성 등의 장점을 고루 갖춘 범용 소재로 건축, 자동차, 전자, 바이오 등 다양한 산업 영역에서 핵심적인 역할을 수행하고 있다. 그러나 기존의 폴리우레탄 수지는 외부 충격, 반복 하중, 열적/화학적 스트레스 등으로 인해 스크래치, 균열, 피로 등이 누적되면 복원이 어려운 손상으로 이어지고, 궁극적으로 소재 성능 저하 및 구조적 안전성 문제로 발전할 수 있다. 특히 표면 손상이 소재 내부로 전이될 경우, 부품 교체 및 시스템 전체 수리가 필요하게 되어 경제적·환경적 비용이 많이 증가한다.  이러한 한계를 극복하기 위한 기술 중 하나로 자가 복원(Self-Healing) 기능을 갖춘 폴리우레탄 수지가 주목받고 있으며, 단순한 보호 목적을 넘어 고기능성 소재로서 잠재력을 가지고 있다. 그리고 향후 고분자 소재의 핵심 축으로서 고내구성 구조재, 전자소자 보호층, 자동차 부품, 바이오메디컬 응용에 이르기까지 적용 범위가 빠르게 확장되고 있다. 자가 복원 고분자(Self-Healing Polymer, SHP)는 실온 환경에서 반복하여 복원할 수 있는 장점을 가지고 다양한 분야에서 연구되어 왔으며, 복원 메커니즘에 따라 크게 외인성(extrinsic)과 내인성(intrinsic)으로 분류할 수 있다. 외인성 자가 복원 고분자는 고분자 matrix 내부에 복원 물질을 함유하는 마이크로 캡슐이나 마이크로 채널과 같은 저장소를 가지고 있다. 재료에 손상이 발생하면 이러한 저장소가 파괴되면서 복원 물질이 손상 부위로 방출되어 균열이나 파손을 메우는 방식으로 작동한다. 대표적인 예로는 dicyclopentadiene(DCPD)을 마이크로 캡슐에 담아 에폭시 수지에 분산시킨 후, 손상이 발생하면 방출된 DCPD가 Grubbs 촉매와 반응하여 중합되면서 균열을 메우는 시스템이 있다.   이러한 방식은 비교적 간단하게 자가 복원 기능을 구현할 수 있지만, 복원 물질의 양이 제한적이기 때문에 복원 횟수가 한정적인 단점을 가진다. 또한, 마이크로 캡슐이나 마이크로 채널의 첨가로 인해 재료 본래의 기계적 물성이 저하될 수 있다는 점도 고려해야 한다. 내인성 자가 복원 고분자는 외부 복원 물질 없이 고분자 자체의 화학적 또는 물리적 결합의 재구성을 통해 손상을 복구하는 시스템이다. 이러한 고분자는 가역적 화학반응이나 물리적 상호작용을 활용하여 손상 부위에서 끊어진 고분자 사슬을 다시 연결하거나, 분자 간의 이동을 통해 손상된 구조를 재배열하는 방식으로 자가 복원 기능을 발현한다. 이 방식은 복원 물질의 소모 없이 반복적인 복원이 가능하다는 장점을 가지고 있어 지속 가능한 재료 개발에 중요한 역할을 할 수 있다.  내인성 자가 복원 고분자는 가역적인 결합 메커니즘에 따라 다양한 종류로 나눌 수 있다. 먼저, 가역적인 공유결합을 이용하는 방식이 있으며, 대표적인 예로 Diels-Alder(DA) 반응과 retro Diels-Alder(rDA) 반응을 이용하는 고분자가 있다. DA 반응은 특정 온도에서 두 분자가 결합하여 새로운 공유결합을 형성하는 반응이고, rDA 반응은 더 높은 온도에서 이 결합이 끊어지면서 원래의 분자로 되돌아가는 반응이다. 이러한 가역적 반응을 고분자 사슬 내에 도입하면, 손상에 의해 끊어진 사슬이 특정 온도 조건에서 다시 결합하여 복원이 일어날 수 있다. 다른 예로 이황화(disulfide, -S-S-) 결합을 이용하는 고분자가 있다. disulfide 결합은 가역적인 산화-환원 반응을 통해 끊어지고 다시 형성될 수 있다. 이러한 특성을 이용하여 고분자 network를 형성하면, 손상에 의해 끊어진 disulfide 결합이 적절한 조건에서 재결합하여 자가 복원 기능을 나타낼 수 있다. 이 외에도 이민(imine) 결합, hindered urea 결합, boroxime 결합 등 다양한 가역적 공유결합을 활용한 자가 복원 고분자가 연구되고 있다. 다음으로, 비공유결합을 이용하는 내인성 자가 복원 고분자로서 수소결합, 이온결합, 금속-리간드 결합, π-π 상호작용, host-guest 상호작용, 반데르발스 힘과 같은 비공유결합을 이용하여 자가 복원 기능을 구현한다. 비공유결합은 공유결합에 비해 결합에너지가 약하지만, 분자 간 상호작용을 통해 가역적인 결합과 해리가 용이하게 일어날 수 있는 장점을 가진다. 수소결합을 이용하는 자가 복원 고분자는 분자 내/간에 형성된 수많은 수소결합의 가역적인 형성과 해리를 통해 손상 부위에서 분자 사슬의 재결합을 유도한다. 이러한 고분자는 상온에서도 비교적 빠른 자가 복원 속도를 보이며, 특히 폴리우레탄 기반의 자가 복원 고분자에서 많이 연구되고 있다.  이온결합을 이용하는 자가 복원 고분자는 고분자 사슬에 이온성 작용기(카복실산염, 설폰산염, 암모늄 등)를 도입하여 형성된 이온 cluster를 중심으로 자가 복원 기능 나타낸다. 이온 cluster는 고분자 내 국소적인 물리적 가교점 역할을 수행하며, 손상 시 외부 자극에 의해 일시적으로 해리되었다가, 환경이 안정화되면 가역적으로 재결합한다. 이러한 전기적 인력에 따른 상호작용은 높은 복원 효율과 정밀 제어가 가능한 장점을 가진다. 금속-리간드 배위결합을 이용하는 방식은 금속이온(Mⁿ⁺)과 고분자 사슬에 도입된 리간드(피리딘, 이미다졸, 카복실산 등)의 배위결합을 기반으로 한다. 일반적인 공유결합에 비해 낮은 결합에너지를 가지며, 열적 또는 화학적 자극에 의해 쉽게 해리 및 재형성이 가능하다.  π-π 상호작용은 방향족 고리 사이의 전자구름 인력을 이용하며, 비공유이지만 비교적 강한 분자 간 결합을 형성할 수 있다. 이러한 상호작용은 주로 폴리아릴렌 ether, 나프탈렌, 피렌 등을 함유한 고분자 사슬에 활용되며, 분자 간의 정렬 및 재조합을 통해 손상 부위를 복원할 수 있는 비접착성 자가 복원 소재 설계에 응용된다. host–guest 상호작용은 분자 인식을 기반으로 하는 비공유적 상호작용으로, 주로 사포드렉신(cyclodextrin), 칼릭사렌(calixarenes), 쿠커비투릴(cucurbiturils) 등의 host 분자와 특정 구조를 가진 guest 분자 간의 비가역적이지만 자극 반응성 있는 결합을 이용한다. 생체환경과 유사한 조건에서도 작동할 수 있으며, 자극 감응형 자가 복원시스템 또는 약물 전달체 응용에 효과적이다.반데르발스 힘은 가장 약한 비공유적 힘이지만, 고분자 사슬 간의 밀접한 접근과 재배열을 유도하여 손상된 부위를 물리적으로 채우는 데 기여할 수 있다. 주로 기계적 유연성, 표면 자가 복원성, 초박막 필름 등에 응용될 수 있다. 최근에는 단일 메커니즘이 아닌 두 가지 이상의 가역적인 결합 메커니즘을 동시에 활용하는 자가 복원 고분자도 활발히 연구되고 있다. 예를 들어, 공유결합과 비공유결합을 함께 사용하여 복원 효율과 속도를 향상하거나, 서로 다른 비공유결합을 조합하여 특정 환경조건에서 최적의 자가 복원 성능을 발휘하도록 설계할 수 있다. 자가 복원 고분자는 다양한 분야에 응용될 수 있는 잠재력을 가지고 있다. 예를 들어, 코팅 분야에서 스크래치에 대한 자가 복원 기능을 갖는 코팅제를 개발하여 제품의 외관 유지 및 수명 연장에 기여할 수 있다. 접착제 분야에서 손상된 부분을 스스로 접착할 수 있는 자가 복원 접착제를 개발하여 유지 보수의 편의성을 높일 수도 있다. 또한, flexible 전자소자 분야에서 외부 충격이나 변형에도 스스로 복구할 수 있는 기판이나 전극 재료를 개발하여 소자의 내구성을 향상할 수 있다. 생체재료 분야에서 인체 내의 손상된 조직을 스스로 복구하거나 약물을 방출하는 기능을 갖는 자가 복원 고분자를 개발하여 의료 기술 발전에 기여하는 것도 가능하다.  특히 폴리우레탄은 다양한 화학적 변형이 가능하고 우수한 물성을 가지고 있어 자가 복원 고분자 분야에서 활발히 연구되고 있는 재료 중 하나이다. 폴리우레탄 기반의 자가 복원 고분자는 수소결합, 이온결합, 금속-리간드 결합과 같은 다양한 비공유결합뿐만 아니라 Diels-Alder 반응, disulfide 결합과 같은 가역적 공유결합을 이용하여 자가 복원 기능을 구현할 수 있다. 또한, 마이크로 캡슐이나 마이크로 채널에 복원 물질을 담아 폴리우레탄 matrix 내에 분산시키는 외인성 자가 복원 방식도 적용할 수 있다. 이러한 다양한 접근 방식을 통해 폴리우레탄은 코팅, 접착제, 섬유, 생체 재료 등 다양한 응용 분야에서 자가 복원 기능을 갖는 재료로 활용될 수 있다. 1.2 시장 예측 및 동향 1.2.1 자가 복원 재료의 시장 전망  자가 복원 재료 시장은 빠르게 성장하고 있으며, 2024년 기준 세계시장 규모는 약 29억 7,000만 달러로 평가되었다. 이 시장은 2024년부터 2034년까지 연평균 성장률(CAGR) 23.7%에 이를 것으로 예상되며, 2034년에는 약 249억 달러에 도달할 전망이다. 이러한 급격한 성장은 다양한 산업에서 자가 복원 기술의 필요성이 증대함에 기인한다.  자가 복원 재료의 아시아태평양 시장은 2023년 7억 달러 규모로 추정되며, 2034년까지 연평균 23.9% 성장하여 약 72억 2,000만 달러에 이를 것으로 예상된다. 이 지역은 산업화와 인프라 개발이 빠르게 진행되며, 지속 가능성에 관한 관심이 높아지면서 시장 성장을 주도하고 있다. 대규모 제조 기반과 연구개발 투자 증가, 유지 보수 비용 절감 및 제품 신뢰성 향상에 대한 인식 확산이 주요 성장 요인이다. 또한, 정부의 기술혁신 및 지속 가능성 지원 정책이 다양한 산업에서 자가 복원 재료의 채택을 촉진하고 있으며, 세계시장에서 중요한 위치를 차지할 것으로 전망된다. 한편, 북미 시장은 강력한 기술 인프라와 연구개발 투자, 그리고 첨단 재료에 대한 높은 수요를 바탕으로 성장하고 있다. 특히 자동차, 항공우주, 전자산업에서 제품 수명 연장과 유지 보수 비용 절감을 위해 자가 복원 재료의 도입이 활발히 이루어지고 있다. 주요 기업들의 기술개발 및 상용화 노력이 지속되면서 북미는 자가 복원 재료 산업의 중요한 시장으로 자리 잡을 것으로 예상된다. 특히, 건축 및 인프라 산업에서 자가 복원 재료의 수요가 증가하고 있다. 콘크리트와 같은 기존 건축자재는 시간이 지나면서 균열이 발생할 수 있으며, 이는 구조물의 내구성을 저하한다. 이에 따라 자가 복원 기능을 갖춘 건축자재가 도입되면서 유지 보수 비용을 절감하고, 구조물의 수명을 연장하는 효과를 기대할 수 있다. 자동차 산업에서도 자가 복원 재료의 활용이 확대되고 있다. 차량의 외부 코팅, 플라스틱 부품 및 복합재료를 사용한 차체 구성 요소에 적용됨으로써 차량의 내구성을 높이고 손상 발생할 경우 자가 복원이 가능하다. 특히 고급 자동차에서 자가 복원 기능을 갖춘 도장 기술을 개발하여 스크래치나 작은 흠집이 자연적으로 복구되는 코팅을 적용하고 있다.  신재생 에너지산업에서도 자가 복원 재료가 중요한 역할을 한다. 특히 풍력발전 터빈 블레이드와 같은 대형 구조물은 지속적인 환경 스트레스에 노출되며, 장기적인 내구성이 요구된다. 자가 복원 복합재료가 적용되면 균열이 발생하더라도 스스로 복원되어 유지 보수 비용을 줄이고, 발전 효율을 높이는 데 기여할 수 있다. 자가 복원 기술은 내인성과 외인성 시스템으로 구분된다. 내인성 복원시스템은 재료 자체의 분자구조를 통해 손상이 발생해도 스스로 원상 복구될 수 있는 기술을 포함한다. 대표적으로 Diels-Alder 및 Retro Diels-Alder 반응을 이용한 고분자가 있으며, 열을 가하면 다시 원래 상태로 되돌아갈 수 있는 특성을 가진다. 반면, 외인성 복원시스템은 마이크로 캡슐 기술을 이용하여, 균열이 발생하면 내부의 복원제가 방출되어 손상을 복구하는 방식이다. 이러한 기술들은 특히 건축자재 및 항공우주산업에서 중요한 역할을 한다. NASA에서는 자가 복원 기능을 갖춘 전도성 재료를 연구하고 있으며, 이는 우주선의 배선 시스템에서 손상 발생 시 신속하게 복구하는 데 활용될 수 있다. 실험 결과, 약 15~20초 이내에 원래 상태로 복원될 수 있어, 향후 다양한 분야에서 활용 가능성이 높다. 그러나 현재 자가 복원 기술에 한계도 존재한다. 마이크로 캡슐 기술은 복원제가 한번 방출되면 추가적인 복구가 어렵다는 단점이 있으며, 일부 자가 복원 고분자는 기계적 강도가 상대적으로 낮아 고강도 구조물에 적용하기 어려울 수 있다. 따라서 지속적인 복원이 가능한 다층 캡슐 시스템이나 외부 자극(빛, 열, 전기장 등)에 반응하여 복원 능력을 발휘하는 스마트 소재 개발에 집중하고 있다. 자가 복원 재료 시장은 유형에 따라 고분자, 콘크리트, 금속, 코팅, 세라믹, 아스팔트, 섬유 강화 복합재(FRP) 등으로 구분된다. 이 중 고분자 기반 재료가 가장 높은 시장 점유율을 차지하고 있으며, 내구성이 뛰어나고 가벼운 특징을 갖고 있어 자동차, 전자제품, 항공우주 산업 등에서 폭넓게 사용된다. 특히 폴리우레탄, 가교 폴리머 및 다기능 폴리머는 상용화가 활발히 진행되고 있는 대표적인 자가 복원 재료이다. 운송 산업은 자가 복원 재료가 가장 많이 사용되는 분야로 자동차, 항공기, 철도 등의 내구성 향상을 위해 적극적으로 채택되고 있다. 이처럼 자가 복원 재료 시장은 건축, 운송, 에너지산업을 중심으로 빠르게 성장하고 있으며, 고분자 및 복합재료 기반의 자가 복원기술이 시장을 주도하고 있다. 향후 지속적인 연구개발과 상용화가 이루어진다면 자가 복원 재료는 다양한 산업에서 필수적인 소재로 자리 잡을 것으로 기대된다.  1.2.2 자가 복원 고분자 수지의 시장 전망 글로벌 자가 복원 고분자 시장은 급격한 성장세를 보이며, 2023년 약 15억 7천만 달러에서 2030년까지 연평균 성장률(CAGR) 26.2% 이상을 기록할 것으로 예상된다. 이러한 성장은 자동차, 항공우주, 건설, 의료, 전자산업에서 내구성과 유지 보수 비용 절감을 위한 고기능성 소재에 대한 수요 증가와 맞물려 있다. 또한 지속 가능성과 친환경 소재에 관한 관심이 높아짐에 따라 바이오 기반 및 재생 가능한 원료를 활용한 제품 개발이 활발하게 이루어지고 있다. 기술혁신은 시장 성장의 핵심 동력으로 작용하고 있으며, 나노기술과 재료과학의 발전을 통해 더 빠르고 효과적인 자가 복원 기능을 구현할 수 있는 고분자가 개발되고 있다. 특히 스마트폰 및 웨어러블 기기와 같은 소비자 전자제품에서 미세한 균열이나 스크래치를 자체 복구할 수 있는 소재에 관한 관심이 높아지고 있어 관련 시장이 확대되고 있다. 동시에, 의료기기 및 임플란트에서 자가 복원 고분자의 적용이 증가하면서 장비의 신뢰성과 수명을 연장하는 데 기여하고 있다. 한편, 자가 복원 고분자의 높은 생산비용과 복잡한 제조공정은 시장 확산을 저해하는 요인으로 작용하고 있다. 첨단기술과 특수한 재료로 인해 일반적인 고분자에 비해 가격이 높으며, 특히 중소기업이나 비용에 민감한 산업에서의 채택이 어려운 상황이다. 이를 해결하기 위해 비용 절감형 제조공정 개선이 요구된다. 재료 유형별로 보면, 폴리우레탄계 자가 복원 고분자가 자동차 및 건설산업의 수요 증가에 힘입어 시장을 주도하고 있으며, 내구성과 기계적 강도가 뛰어나 코팅 및 접착제 등에 널리 활용되고 있다. 에폭시계 고분자는 항공우주 및 첨단소재 산업에서 높은 성장세를 보이며 구조적 무결성이 요구되는 분야에 적용되고 있다. 의료 부문에는 카테터, 인공조직 및 스텐트 등에 적용되어 장비의 신뢰성을 높이고 유지 보수 비용을 절감하는 역할을 하고 있다. 또한 섬유산업에서도 스포츠웨어 및 군복과 같은 고성능 직물에 적용이 증가하면서 새로운 시장 기회가 창출되고 있다.  지역별로 보면, 북미는 항공우주 및 자동차 산업에서의 적용 증가와 함께 지속 가능한 소재 개발에 관한 관심이 높아 시장을 주도하고 있다. 특히 미국에서는 소비자 전자제품과 의료기기에서 활용이 확대되고 있다. 유럽은 엄격한 환경 규제와 지속 가능성 강화 정책을 바탕으로 수요가 있으며, 독일을 중심으로 자동차 및 건설산업에서 활용이 활발하다. 주요 기업으로는 BASF, Dow, Covestro, Huntsman과 같은 글로벌 화학기업들이 시장을 주도하며, 이들은 연구개발(R&D)에 적극 투자하여 제품의 성능을 개선하고 있다. 최근에는 신생기업들도 기술혁신을 바탕으로 시장에 진입하며 경쟁이 심화하고 있다. 1.3 자가 복원 폴리우레탄의 제조 및 특성 폴리우레탄(Polyurethane, PU)은 이소시아네이트(isocyanate) 그룹과 폴리올(polyol)의 반응을 통해 형성되는 고분자로, 분자구조 설계의 유연성이 높아 다양한 물성을 구현할 수 있다. 뛰어난 기계적 강도, 우수한 내마모성, 높은 인성(toughness), 저온에서 유연성 등의 특성에 따라 코팅, 접착제, 엘라스토머, foam, 섬유 등 광범위한 산업 분야에서 핵심 소재로 사용되고 있다. 그러나 폴리우레탄 소재 역시 외부의 물리적 충격이나 반복적인 스트레스에 의해 긁힘, 균열 등의 손상이 발생하며, 이는 소재의 성능 저하 및 수명 단축으로 이어진다. 이러한 문제를 해결하기 위해 재료 스스로 손상을 감지하고 복구하는 자가 복원 기능에 관한 연구가 활발히 진행되고 있다. 자가 복원기술은 소재의 내구성을 향상해 수명을 연장하고, 유지 보수 비용을 절감하며, 안전성을 증대시키는 잠재력을 가지고 있다. 초기 자가 복원 폴리우레탄(Self-Healing Polyurethane, SHPU) 연구는 주로 외부의 열, 빛, 특정 화학물질과 같은 자극이 필요한 외인성 또는 비자율적 방식에 집중되었다. 하지만 이러한 방식은 특정 조건에서만 복원이 가능하며, 적용 분야에 제약이 있다. 이에 따라 최근에는 별도의 외부 자극없이 상온에서 자율적으로 손상을 복구할 수 있는 내인성 또는 자율적 자가 복원 소재 연구가 주목받고 있다. 폴리우레탄의 자가 복원 메커니즘은 가역적인 결합을 도입하여 상온에서 손상 부위의 끊어진 결합이 자발적으로 재결합하도록 유도하는 것이다. 이러한 가역적 결합은 크게 동적 공유결합과 비공유결합으로 나눌 수 있으며, 최근에는 이 두 가지를 조합하여 시너지 효과를 얻으려는 연구도 활발히 진행되고 있다. 1.3.1 동적 공유결합 자가 복원 동적 공유결합은 특정 조건에서 가역적으로 결합과 해리를 반복할 수 있는 공유결합이다. 손상이 발생하면 결합이 끊어지지만, 적절한 조건에서 가역반응을 통해 다시 결합이 형성되어 구조를 복구한다. 상온에서 효율적으로 작동하는 주요 동적 공유결합 시스템은 다음과 같다. (1) 디설파이드(Disulfide) 교환disulfide(-S-S-) 결합은 상온에서 라디칼 또는 이온성 메커니즘을 통해 교환반응을 일으킬 수 있다. 손상된 부위의 끊어진 disulfide 결합이 주변의 다른 disulfide 결합과 교환반응을 일으키거나, free 티올(-SH) 그룹과 반응을 통해 새로운 disulfide 결합을 형성하며 network를 재구성한다. 상온에서 비교적 쉽게 교환반응이 일어나며, 별도의 촉매 없이도 자가 복원이 가능하다. 하지만 산화-환원 환경에 민감하며, 반응속도가 상대적으로 느릴 수 있다. 폴리우레탄 주사슬 또는 측쇄에 disulfide 결합을 도입하여 상온 자가 복원 특성을 구현한 연구들이 다수 보고되었다. 예를 들어, 방향족 disulfide 결합은 지방족 결합보다 더 빠른 교환 반응속도를 보여 상온 복원에 유리하다. 복원 효율은 90% 이상에 달하는 경우가 많으며, 복원시간은 수 시간에서 수일까지 다양하다. 기계적 물성은 disulfide 결합의 함량 및 위치에 따라 조절될 수 있다.  (2) 쉬프 염기(Schiff Base/Imine) 교환이민(>C=N-) 결합, 즉 쉬프 염기는 물 또는 특정 pH 조건에서 가수분해와 재축합 반응을 통해 가역적으로 교환될 수 있다. 손상에 의해 끊어진 이민 결합이 주변의 아민(-NH2) 또는 카보닐(C=O) 그룹과 반응하여 새로운 이민 결합을 형성하며 복원된다. transimination 반응도 중요한 교환 메커니즘이다. 상온에서 교환반응이 가능하지만, 물 분자의 존재가 반응속도에 큰 영향을 미친다. 따라서 습도 조절이 중요하며, 특정 pH 범위에서 더 효율적인 교환이 일어난다. 폴리우레탄 network에 이민 결합을 가교점으로 도입하거나, 사슬 내에 포함해 상온 자가 복원 기능을 부여한다. 특정 촉매(아세트산 등)를 소량 첨가하여 상온에서의 교환 속도를 향상하는 연구도 진행되었다. 복원 효율은 높게 보고되나, 수분 민감성 때문에 실제 적용 환경에서의 안정성 확보가 중요하다. (3) 보록신(Boroxine) 교환보록신 고리(-[B(R)-O]3-)는 보론산(boronic acid)의 탈수-축합반응으로 형성되며, 물 분자와 가역적인 반응을 통해 동적평형상태를 유지한다. 손상 부위에서 보록신 고리가 해리되었다가 다시 형성되면서 구조를 복구한다. 보론산 ester 교환반응 또한 상온 자가 복원에 활용된다. 물 분자와의 빠른 동적평형에 의해 상온에서 비교적 빠른 복원 속도를 보일 수 있다. 하지만 쉬프 염기와 마찬가지로 수분 민감성이 높아, 습한 환경에서의 장기 안정성에 대한 고려가 필요하다. 페닐보론산 유도체를 폴리우레탄 구조에 도입하여 보록신 또는 보론산 ester 기반의 동적 network를 형성할 수 있다. 이를 통해 상온에서 수 시간 내에 높은 복원 효율을 달성한 연구들이 보고되었다. 우레아/티오우레아 교환, 알콕시아민 동적결합 등도 상온 자가 복원 가능성이 연구되고 있으나, 약간의 열 또는 빛과 같은 특정 조건이 필요하거나 상온에서 효율이 상대적으로 낮은 경우가 많아 다른 메커니즘에 비해 연구가 덜 활발한 편이다. 동적 공유결합 기반 시스템은 비교적 강한 결합에너지에 의해 우수한 기계적 물성을 얻을 수 있지만, 상온에서의 반응속도가 느리거나 습도, pH의 특정 환경에 민감하다는 단점이 있다. 1.3.2 비공유결합 자가 복원 비공유결합은 수소결합, 이온결합, 금속-리간드 배위결합, π-π 상호작용, host-guest 상호작용 등 분자 간의 약한 상호작용을 의미한다. 이러한 결합들은 공유결합보다 훨씬 약하지만, 수가 많아지면 전체적인 물성에 큰 영향을 미칠 수 있다. 비공유결합은 외부 스트레스에 의해 쉽게 끊어지지만, 상온에서 자발적으로 빠르게 재결합할 수 있어 상온 자가 복원에 매우 효과적이다. (1) 수소결합폴리우레탄 자체의 우레탄(-NHCOO-) 및 우레아(-NHCONH-) 그룹 간, 또는 별도로 도입된 강한 수소결합 모티프(UPy(ureidopyrimidinone), 아미드, 카르복실산 등) 사이의 수소결합 network가 손상에 의해 끊어졌다가 자발적으로 재형성되면서 복원이 일어난다. 특히 UPy와 같이 4중 수소결합을 형성하는 모티프는 매우 강한 결합력과 높은 방향성을 제공하여 효율적인 자가 복원을 가능하게 한다. 상온에서 매우 빠른 복원 속도를 보인다. 합성이 비교적 용이하며, 다양한 분자설계가 가능하다. 하지만 개별 결합에너지가 낮아 기계적 강도가 동적 공유결합 시스템에 비해 상대적으로 낮을 수 있다. 폴리우레탄 사슬 말단이나 측쇄에 다중 수소결합을 도입하여 상온에서 높은 복원 효율과 회복 속도를 이룬 연구가 활발하다. 폴리올이나 이소시아네이트 종류, 수소결합 모티프의 농도 등을 조절하여 물성과 복원 성능을 조절한다. (2) 이온결합폴리우레탄 사슬 내에 양이온과 음이온 그룹을 도입하여 아이오노머(ionomer)를 형성한다. 이온 cluster를 통해 물리적 가교역할을 하며, 손상 시에 이온결합이 끊어졌다가 정전기적 인력에 의해 자발적으로 재결합하여 복원된다. 이온결합은 비방향성이며 비교적 강한 상호작용을 제공하여 기계적 물성 향상에 기여할 수 있다. 상온에서 동적특성에 의해 자가 복원이 가능하다. 카르복실레이트(-COO-), 설포네이트(-SO₃-) 등의 음이온 그룹과 금속 양이온 또는 4가 암모늄 양이온 등을 폴리우레탄 구조에 도입하며, 이온 함량 조절을 통해 가교 밀도와 물성, 복원 속도를 제어한다. (3) 금속-리간드 배위결합폴리우레탄 사슬 내에 리간드(피리딘, 이미다졸, 카복실산 등)를 도입하고, 금속이온(Zn²+, Fe³+, Cu²+ 등)을 첨가하여 가역적인 배위결합을 형성한다. 이 배위결합이 동적 가교점 역할을 하여 손상이 발생할 경우 해리 및 재결합을 통해 복원을 유도한다. 금속이온과 리간드의 종류에 따라 결합 강도와 동적특성을 다양하게 조절할 수 있다. 특정 금속-리간드 조합은 색상 변화나 촉매 활성을 부여할 수도 있다. 다양한 리간드와 금속이온 조합을 이용하여 상온 자가 복원 폴리우레탄을 개발하고 있다. 결합-해리에너지와 교환 속도를 최적화하여 기계적 강도와 복원 성능의 균형을 맞추는 것이 중요하다. (4) Host-Guest 상호작용특정 분자구조(host)가 다른 분자(guest)를 선택적으로 인식하고 가역적으로 결합하는 상호작용을 이용한다. 예를 들어, 사이클로덱스트린(cyclodextrin, host)과 아다만탄(adamantane) 또는 아조벤젠(azobenzene, guest) 유도체 간의 결합과 해리를 이용할 수 있다. 높은 특이성과 선택성을 가지며, 외부자극(빛, pH 등)에 반응하여 결합과 해리를 제어할 수도 있다. 비교적 약한 상호작용이므로 다수의 결합을 도입해야 효과적이다. 폴리우레탄 주사슬 또는 측쇄에 host와 guest 분자를 도입하여 가역적인 가교 network를 형성한다. 상온에서의 자발적인 결합 및 해리 평형을 통해 자가 복원 기능을 구현한다.  (5) π-π 스태킹(Stacking)방향족 고리(ring)를 함유한 분자들 사이의 π-전자구름 상호작용을 이용한다. 방향족 고리가 풍부한 폴리우레탄 구조에서 π-π 스태킹이 물리적 가교역할을 하며, 손상 시에 분자 사슬의 재배열과 π-π 상호작용의 재형성을 통해 복원이 일어난다. 비교적 약한 상호작용이지만, 분자 사슬의 이동성과 배향에 영향을 미쳐 자가 복원에 기여할 수 있다. 주로 다른 강한 동적결합과 함께 보조적인 역할을 한다. 방향족 디이소시아네이트나 방향족 사슬 연장제를 사용하여 폴리우레탄 내의 π-π 상호작용을 강화하고, 이것이 상온 자가 복원 속도 및 효율에 미치는 영향을 분석한다. 비공유결합 시스템은 일반적으로 상온에서 빠른 복원 속도를 보이는 장점이 있지만, 결합 자체의 약한 특성으로 인해 기계적 강도가 낮거나 고온에서의 안정성이 부족할 수 있는 단점을 가진다. 1.3.3 다중 동적결합 기반 자가 복원 최근 연구 동향은 단일 메커니즘의 한계를 극복하기 위해 두 가지 이상의 동적결합(공유결합+비공유결합, 또는 여러 종류의 비공유결합 등)을 동시에 도입하여 시너지 효과를 얻는 다중 동적결합(multiple dynamic bonds) 시스템에 집중되고 있다. 이 접근법의 목표는 우수한 기계 강도와 빠르고 효율적인 상온 자가 복원을 동시에 이루는 것이다.  (1) 강한 결합과 약한 결합의 조합예를 들어, 기계적 강도를 주로 담당하는 동적 공유결합(disulfide 등)과 빠른 복원 속도를 제공하는 비공유결합(수소결합 등)을 함께 도입한다. 손상 시에 약한 결합이 먼저 빠르게 재결합하여 초기 형태를 복구하고, 이후 강한 결합이 서서히 재형성되어 기계적 강도를 회복시키는 방식으로 작동할 수 있다. (2) 다중 비공유결합 조합서로 다른 비공유결합(수소결합과 이온결합, 수소결합과 금속-리간드 배위결합)을 조합하여 각 결합의 장점을 활용하고 단점을 보완한다. 이를 통해 더 강인하면서 효율적인 자가 복원시스템을 구축할 수 있다. 연구 사례로, disulfide 결합과 다중 수소결합을 동시에 함유하는 폴리우레탄은 높은 인장강도와 함께 상온에서 우수한 복원 효율을 보였다. 금속-리간드 배위결합과 수소결합을 조합하여 기계적 물성을 크게 향상하면서도 상온 자가 복원을 유지한 연구도 보고되었다. 수성 폴리우레탄 시스템에서도 이온결합과 수소결합을 조합하여 친환경적이면서도 효과적인 상온 자가 복원 코팅재료를 개발한 사례가 있다. 다중 동적결합 시스템은 재료의 물성과 복원 특성을 더욱 정교하게 제어할 수 있는 가능성을 제시하지만, 여러 종류의 동적결합을 동시에 제어하고 최적화하는 것은 분자설계 및 합성 측면에서 더 복잡하고 어려운 과제이다.  1.3.4. 상온 자가 복원 폴리우레탄의 합성 전략 상온 자가 복원 기능을 갖는 폴리우레탄을 합성하기 위해서 앞서 기술한 동적결합을 형성할 수 있는 작용기를 폴리우레탄 분자구조 내에 효과적으로 도입해야 한다. 일반적인 폴리우레탄 합성법을 기반으로 다음과 같은 전략들이 주로 사용되고 있다. 1.3.4.1 자가 복원 작용기를 함유한 단량체 사용 (1) 사슬 연장제/가교제동적결합 형성 부위(disulfide, 쉬프염기 전구체, 수소결합 모티프, 리간드 등)를 포함하는 저분자량의 디올 또는 디아민을 사슬 연장제 또는 가교제로 사용하여 폴리우레탄 network 내에 동적결합을 도입한다. 이 방법은 주사슬 골격구조에 큰 영향을 주지 않으면서 자가 복원 기능을 부여하기에 용이하다. (2) 폴리올/이소시아네이트자가 복원 작용기를 포함하는 폴리올 또는 이소시아네이트 단량체를 직접 사용하여 주사슬 자체에 동적결합을 내재화한다. 이는 동적결합의 농도를 높이고 분포를 제어하는 데 유리할 수 있다. 작용기를 말단에 도입하거나 측쇄에 grafting하는 방식도 가능하다. (3) 후반응먼저 일반적인 폴리우레탄을 합성한 후, 사슬 내의 반응성 그룹(잔류 이소시아네이트 그룹, 활성수소 그룹 등)을 이용하여 자가 복원 작용기를 화학적으로 결합시키는 방법이다. 기존 합성공정을 활용할 수 있는 장점이 있다.  1.3.4.2 첨가제 방식동적결합을 형성할 수 있는 저분자 또는 고분자 첨가제를 폴리우레탄 matrix에 물리적으로 혼합하는 방식이다. blending 방법은 간편하지만, 첨가제와 matrix 간의 상용성 및 장기적인 안정성이 중요하다. 1.3.4.3 수성 폴리우레탄(WPU) 합성환경 규제 강화에 따라 유기용매를 사용하지 않는 WPU 기반의 상온 자가 복원 소재 연구가 증가하고 있다. WPU는 폴리우레탄 사슬 내에 친수성 그룹(카복실산염, 설폰산염 등)을 도입하여 물에 분산시킨 형태이다. 자가 복원 작용기는 WPU 합성단계에서 단량체 형태로 도입하거나, 분산액 상태에서 첨가제 형태로 혼합하여 구현할 수 있다. WPU는 코팅 분야, 특히 가죽 마감 처리 등에 유용하게 적용될 수 있다. 합성 전략으로는 자가 복원 메커니즘, 요구 기계물성, 최종 응용 분야, 생산비용 등을 종합적으로 고려해야 한다. 1.3.5 성능 평가 지표 상온 자가 복원 폴리우레탄의 성능을 정량적으로 평가하기 위해 다음과 같은 지표들이 중요하게 사용된다.  (1) 기계적 물성자가 복원 소재도 기본적인 구조재료로서 역할을 수행해야 하므로, 인장강도, 파단 연신율, 탄성계수 등의 기계적 물성 측정이 필수적이다. 특히 재료의 손상 전 물성과 복원 후 회복된 물성을 비교하여 복원 효과를 평가한다. (2) 복원 효율(η)가장 중요한 성능지표 중 하나로, 손상 전의 물성(P_pristine) 대비 복원으로 회복된 물성(P_healed)의 비율로 정의된다. 주로 인장강도나 파단 연신율을 기준으로 계산한다.  현미경(광학 현미경, SEM 등)을 이용하여 표면의 균열이나 흠집이 사라지는 것을 정성적으로 관찰하기도 한다. (3) 복원시간손상이 발생한 후 복원 효율 도달 수준까지 물성이 회복되는 데 걸리는 시간이다. 상온 자가 복원에서는 외부에너지 공급 없이 상온(20~25°C)에서 진행되는 시간을 측정한다. 복원 메커니즘과 분자 이동성에 따라 수 분에서 수일까지 다양하게 나타난다. (4) 복원 조건자가 복원이 일어나는 환경조건을 명확히 기술해야 한다. 특히 상온 자가 복원에서 온도 범위를 명시하고, 습도, 압력, 빛 등 복원 과정에 영향을 미칠 수 있는 다른 요인들도 함께 기록해야 한다. 반복적인 손상 및 복원 능력 평가도 중요하다. 이러한 지표들을 종합적으로 평가하여 특정 응용 분야에 적합한 상온 자가 복원 폴리우레탄 소재를 개발하고 성능을 최적화하는 연구가 진행된다. 1.3.6 응용 분야 상온에서 자가 복원 능력을 갖는 폴리우레탄은 다양한 분야에서 활용될 잠재력이 크다. 주요 응용 분야는 다음과 같다. (1) 가죽 코팅제천연 또는 인조가죽 제품은 사용 중 긁힘이나 마모에 취약하다. 상온 자가 복원 폴리우레탄을 코팅제로 사용하면 이러한 표면 손상을 자율적으로 복구하여 제품 외관을 유지하고 수명을 연장할 수 있다. 특히 친환경 수성 자가 복원 코팅제 개발이 활발하다. 복원 효율과 함께 내마모성, 유연성, 통기성 등 가죽 코팅제로서 요구되는 다른 물성과의 균형이 중요하다. 가죽 제품은 그 특성상 외부 환경에 자주 노출되며, 사용 중 스크래치나 충격과 같은 물리적인 손상에 쉽게 노출된다. 이러한 손상은 가죽 표면의 미관을 해칠 뿐 아니라, 보호 기능을 저해하는 주요 원인이 된다. 이를 해결하기 위해 폴리우레탄 기반의 코팅기술이 사용되어 왔으며, 특히 우수한 접착력, 내후성, 내화학성 등을 바탕으로 가죽 산업에서 널리 활용되고 있다. 하지만 기존 폴리우레탄 코팅은 손상 시에 수리나 교체가 필요하므로 자가 복원 기능을 가진 폴리우레탄 소재의 개발이 활발히 이루어져 왔다.   초기 연구로 Liang 등의 사례가 있다. 이들은 사슬 연장제로 HEDS(2-hydroxyethyl di sulfide)를 사용하여, 주사슬에 disulfide 결합을 포함한 수계 폴리우레탄(WPU)을 합성하였다. 이 물질은 형상기억 기능과 disulfide 결합의 동적 교환반응을 통해 손상된 소재를 복원할 수 있도록 설계되었다. 실험 결과, 폴리우레탄을 60℃에서 12시간 처리할 경우, 절단된 샘플의 인장강도가 약 80%까지 회복되었다. 또한 이 코팅을 실제 가죽에 적용하여 실험한 결과, 칼날로 인위적으로 낸 스크래치가 완전히 복원되었고, 이는 자가 복원 성능이 매우 우수함을 보여주었다. 그러나 이 시스템의 한계는 복원에 비교적 높은 온도가 필요하다는 점으로, 실제 가죽에 사용되는 콜라겐이 고온에서 변성될 우려가 있는 만큼 실용성에는 한계가 있었다. 이러한 온도에 따른 한계를 극복하기 위한 상온 복원기술도 개발되고 있다. Liu 등의 연구는 보록신(boroxine) 결합을 기반으로 한 closs-linked 고분자(CLP–boroxine)를 설계하고, 이를 AMPBA(4-(Aminomethyl)phenylboronic acid)로 말단화된 Polypropylene glycol(PPG)에 결합하여 수계 폴리우레탄과 혼합한 복합 에멀젼을 제조하였다. 이 복합코팅은 동적 보록신 결합과 수소결합의 상호작용을 통해, 상온에서 단 4시간 만에 손상 샘플의 인장강도를 93.6%까지 회복시켰다. 또한 이 복합코팅은 가죽 표면의 콜라겐과 결합하여 마모 저항성도 크게 향상했는데, 마모시험 결과에 의하면 순수 WPU 코팅에 비해 마모지수가 최대 15.9% 감소하였다. 더욱이 마모 후에 콜라겐 섬유가 거의 노출되지 않아 보호 성능이 뛰어났으며, 자가 복원 후에도 내마모 성능이 유지되었다는 점에서 높은 실용 가능성을 확인할 수 있었다. (2) 발광재료발광 특성을 가지는 작용기(형광염료, 양자점 등)를 자가 복원 폴리우레탄 matrix 내에 도입하거나, 구조 내에 발광 특성을 부여하여 손상 후에도 광학적 특성을 회복할 수 있는 스마트 소재를 개발할 수 있다. 이는 디스플레이, 조명, 센서, 위조 방지 등 다양한 광전자 분야에 응용될 수 있다. 손상 복구 후 발광 세기 및 스펙트럼의 회복률 평가가 중요하다.최근 폴리우레탄에 상온 자가 복원과 함께 발광(Photoluminescence) 기능을 부여하여 폴리우레탄의 적용 영역을 확대하려는 연구가 주목받고 있다. 이러한 융합 기능은 코팅재료, 야간 경로표지, LED 소자, 광학 기반 위조 방지 등의 분야에서 활용 가능성을 보여준다. Lei 등은 Polyethylenimine(PEI)를 carboxyl화된 수계 폴리우레탄(WPU)에 도입하여 이온결합 및 수소결합이 형성되는 cross-linked CWPU를 합성하였다. PEI 분자의 1차, 2차, 3차 아민기가 WPU와 반응하여 동적결합 network를 형성하였고 이에 의해 기계적 특성과 복원성이 향상되었다. 합성된 WPU는 인장강도 17.1 MPa, 파단신율 512.3%의 우수한 기계적 성능을 보였고, 30℃에서 24시간 복원 후에 각각 3.3 MPa, 450.9%로 기계적 특성이 회복되었다.  광학적 특성 측면에서도 평균 투과율이 75% 이상으로 우수하였으며, 스크래치로 인해 감소한 투과율(76.8%→ 17.1%)이 상온 복원 후에 65.4%까지 회복되어 우수한 자가 복원성과 내오염성을 나타냈다. 또한, 탄소 양자점(Carbon Quantum Dots, CQs)을 CWPU에 혼합하여 WPU/CQs 복합체를 만들고, 이를 석영유리에 코팅함으로써 자외선 조사에서 청색 형광을 발하는 발광 기능성 코팅을 구현하였다. 이는 기존 WPU가 자외선에 무반응인 것과 비교하여 CQ의 도입이 발광 성능을 부여하는 데 효과적인 것을 입증하였다. 또 다른 연구로 Yao 등은 이중 아미드기를 포함한 T자형 디올, IPDI, PTMG를 이용하여 다중 수소결합 기반의 상온 자가 복원 폴리우레탄을 합성하였다. 이 고분자는 자외선 하에서 직접 유도 발광(Aggregation-Induced Emission, AIE) 청색 형광을 나타냈다. 이는 다중 수소결합 상호작용이 3차 아민기의 응집을 유도했고, 그 결과 n-π* 전이가 강화되었기 때문이다. 특히 이 용액으로 인쇄된 패턴은 가시광에서는 보이지 않지만, 자외선 하에서 뚜렷이 보여 위조 방지 잉크로서 가능성을 보여주었다. 이는 고급 전자기기(스마트폰, 노트북), 자동차 부품, 보안문서 및 인증서 등 가치가 높은 자산 보호에 매우 유용할 것으로 평가된다. 하지만 현재 대부분의 발광 폴리우레탄은 자외선 자극 시 단일 파장의 단색광만을 방출하며, 이는 복제가 상대적으로 용이하다는 한계를 가진다. 따라서 향후에는 다파장 발광, 다채로운 색 구현, 자극 반응성 차별화 등을 통해 복제 방지가 어려운 고차원적 광학 보안 기능을 갖춘 자가 복원 폴리우레탄의 개발이 중요 과제가 되고 있다. 
편집부 2025-08-02
기사제목

리튬이온 전지 개발 동향 보고서

   Ⅰ. 서론 전지란, 전기에너지를 화학에너지의 형태로 저장하여 필요할 때 전기에너지로 변환하는 부품이다. 스마트폰, 스마트워치와 같은 휴대용 기기의 보급, 사물인터넷 기술 구현을 위한 에너지저장 장치 도입, 내연기관 자동차가 유발하는 지구온난화 및 환경오염을 줄이기 위한 전기 자동차의 급부상 등으로 충·방전이 가능한 이차전지가 최근 많은 주목을 받고 있으며, 이차전지 시장의 지속적 성장이 예측된다.  이차전지는 지난 120년 동안 점진적으로 성장하였다. 이차전지 종류별 특성을 보면 표 1과 같다. 1900년 초반 개발된 납축전지는 자동차의 시동 및 비상 전원을 위해 사용되었으며, 자동차 시장의 성장과 함께 지속적으로 발전하였다. 니켈카드뮴(Ni-Cd)전지는 1948년에 발명되었으며, 다양한 전자기기에 도입되어 이동성을 획기적으로 개선하였다. 니켈카드뮴전지의 에너지 용량을 개선한 니켈수소(Ni-MH)전지는 1990년에 개발되어 노트북 등과 같은 전자기기에 채용되었다. 이후 니켈계 전지의 성장이 한계에 도달하면서 1990년대 중후반부터는 리튬이온(Li-ion) 전지가 상업적으로 도입되어 현재는 대부분의 전자기기 이동 전원으로 사용되고 있다.  차세대 리튬이온 전지로서 현재 한계를 뛰어넘는 리튬-황 전지, 리튬-공기 전지, 전고체 전지 등이 산업계 및 학계에서 활발히 연구 중이다.   리튬이온 전지 산업은 기술 주도와 선점을 위해 지속적인 R&D 투자가 필요한 분야이다. 특히 전지 소재 개발에는 성능 차별화 요소로 밀도조절, 균일화, 안정화 등의 문제해결이 필요해 장기간이 걸린다. 리튬이온 전지는 생산원가 중 소재가 차지하는 비중이 매우 높고, 안정적 조달 관리가 필요하다. 시장 확대를 위해서 가격 인하 요구가 매우 크며, 리튬, 크롬, 니켈 같은 주요 원재료가 특정 국가에 편중된 문제가 있다. 따라서 리튬이온 전지 소재의 안정적 조달 및 가격 변동 관리가 매우 중요한 이슈이다. 본 리튬이온 전지의 심층 리뷰에서는 리튬이온 전지 및 관련 소재산업의 전반적 현황 및 미래 기술 동향으로부터 리튬이온 전지 관련 종사자의 시장 선점 노력을 소개하고자 한다. 리튬이온 전지의 시장과 소재(1편~2편), 리튬이온 전지의 제조와 성능 향상(3편~4편)을 리뷰하고자 한다. 모두 4편의 리뷰에서 리튬이온 전지의 시장 동향과 요구사양, 셀 제조 기술과 성능 향상, 소재 로드맵, 전지의 에너지형과 파워형 설계 디자인, 그리고 전지 시스템의 안정화를 위한 전지팩 기술 로드맵에 관한 내용을 소개하고자 한다.  1편은 리튬이온 전지의 시장과 전지의 소재 구성을 주제로 먼저 리튬이온 전지 시장 동향을 국내외를 구분하지 않고 용량별 응용과 고정형, 이동형 형태의 응용으로 알아보았다. 또한 리튬이온 전지(팩) 분해하여 전지의 구성 소재 및 각 구성 소재의 무게를 통하여 소재 구성을 알아보았다. 이를 통하여 리튬이온 전지 시장의 성장 가능성과 구성 소재의 이해 관점에서 조사하였다.  Ⅱ. 리튬이온 전지의 시장 동향리튬이온 전지는 충·방전 시 리튬이온이 양극과 음극 사이를 왕복 이동, 전기 화학반응이 일어나는 원리를 이용한다.1985년 일본 메이조대 요시노 아키라 교수가 리튬이온 전지를 개발했고, 1991년 소니가 세계 최초로 상용화하였다.  리튬이온 전지는 상용화된 이래 다른 이차전지(니켈수소, 니켈 카드뮴 등)와 공존하며 소형 전원용으로 사용되고 있다. 최근에는 고용량, 고전압 등의 장점으로 압도적인 비율로 쓰이고 있으며 전기 자동차 보급 확대에 따라 사용량이 급격히 늘고 있다. 인류 발전에 대한 리튬이온 전지의 중요성을 인식하여 2019년 노벨화학상이 리튬이온 전지 연구자들에게 수여되었다. 리튬이온 전지에서 충전은 그림 1과 같이 양극재에서 리튬이온이 방출되어 전해질을 타고 음극으로 이동한다. 이때 전자는 외부회로를 통해 양극에서 음극으로 이동한다. 방전은 충전과 반대로 음극에 있는 리튬이온이 방출되어 전해질을 타고 양극으로 되돌아오는 것이다. 전자는 음극에서 양극으로 외부회로를 타고 이동한다.  리튬이온 전지는 형상 구조에 따라 동전형, 원통형, 각형, 파우치형으로 구분할 수 있다(그림2). 과거에는 소형 동전형 전지가 주를 이뤘으나, 전기 자동차용 및 에너지저장 시스템(ESS)용으로 원통형, 각형, 파우치형 형태의 리튬이온 전지 수요가 급증하고 있다.  그림 3에 리튬이온 전지의 용량별 응용을 고정형과 이동형으로 나누어 도표화하였다. 리튬이온 전지는 전지 용량이 적은 스마트폰의 3Ah 클래스(예, 3Ah×3.8V=11.4Wh=0.01kWh)에서 60kWh의 전기자동차 또는 대형 변전소의 40MWh의 축전 시스템까지 폭넓게 사용되고 있다. 모바일용 전지의 용량을 1로 하여 응용 별 전지 용량을 비교하면, 전동공구류는 2배, 노트북은 7배, 전기 자전거는 100배, PHEV는 1,200배 용량의 전지를 사용한다. EV용 승용차와 버스는 모바일의 4,000~8,000배 전지 용량을 사용하며, 전지 무게는 약 500kg에 이른다. 고정형의 경우 중소형 의료용, 산업 및 정보용 전지의 용량은 약 100배, 태양전지 주택 저장용 전지는 200~300배, 풍력 및 태양전지의 대형 저장용 축전지(ESS)는 10,000배 정도이다.  리튬이온 전지의 중량 당 (방전)용량을 나타내는 비용량(Wh/kg)을 보면, 소형 경량 모바일 기기의 비용량은 400Wh/kg, 자동차의 경우는 약 200Wh/kg 정도이다. 리튬이온 전지의 크기별 시장 동향을 살펴보면 다음과 같다.  1. 소형 리튬이온 전지(유비쿼터스용)  소형 리튬이온 전지는 5G 통신과 IoT(Internet of Things)용 IT 기기와 환경보호에 대한 규제 및 소비성향의 확대로 친환경·고효율이 요구되는 응용 영역에 필요하다. 예를 들어, 소형 리튬이온 전지는 휴대폰, 노트북, 태블릿의 3대 IT 기기 이외에 무선 이어폰, 전동공구, 전기 자전거, 전기 스쿠터 등의 전원용으로 활용된다. COVID-19가 지속되면서 2021년 소형 리튬이온 전지의 수요는 불확실성이 존재하지만, 그림 4와 같이 전년 대비 25% 성장한 총 120억 셀(cell)을 기록할 것으로 전망된다. IT 시장에서는 AI(Artificial Intelligence)와 5G 서비스가 융합된 IoT 기술의 적용이 강화되고, 특히 무선 이어폰과 웨어러블 기기의 수요가 확대될 것으로 예상된다.  2. ESS용 축전지(대형) LIB 소형 전지 사업부터 이어온 이차전지 안전성을 기반으로 높은 시장 점유율을 기록하고 있으며, 전기 자동차에 공급되는 전지 기술력과 제조공법을 ESS용으로 사용함으로써 품질 신뢰성을 확보하고 있다. LIB 관련 회사는 일반 주택용부터 상업용, 전력용, UPS, 통신기지국에 이르기까지 폭넓은 제품을 갖추고 ESS 시장 진입을 준비하고 있다.  지구온난화 및 이상기후 발생에 따라, 전 세계적으로 탈(脫)원전, 탈(脫)석탄 트렌드와 함께 신재생에너지에 관한 관심도 높아지고 있다. 이에 신재생에너지의 확대에 따른 에너지 저장, 정전 대비 비상전력 확보 등 효율적인 전력 수요관리를 지원하는 ESS의 역할이 더욱 중요해지고 있다.  또한, 미국 바이든 정부 출범, 유럽 그린 딜, 국내 ‘재생에너지 2030 이행 계획’ 등 각 국가의 적극적인 친환경 정책 선언과 추진 계획 도입으로, 관련 산업의 성장과 함께 ESS 시장의 지속적인 수요 증대가 예상된다. 신재생에너지 도입 선진 시장인 국내 및 미국, 유럽 등은 대규모 실증 단계를 넘어 노후 전력망 대체, 신재생에너지 연계 GWh급 프로젝트 등장 등으로 시장 규모가 확대되고 있으며, 신흥국에서도 이러한 세계적인 흐름에 합류하는 추세이다.  글로벌 리튬이온 전지 기반 ESS 시장은 그림 5와 같이 2020년 20GWh에서 2025년 127GWh로 연평균 45%의 고성장이 지속할 것으로 전망하고 있다. ESS용 전지의 사용처는 발전 및 송배전 등 전력용, 사무실이나 학교 병원 등 상업용, 태양광 연계 가정용, 그리고 전력 품질관리용 UPS 등이 있다. 3. EV용 리튬이온 전지(중형) 파워 응용 시장에서는 원통형전지를 채용하는 Tesla를 중심으로 스타트업 전기 자동차 시장이 확대되고, Micro-Mobility 공유 서비스 증가에 따른 전기 자전거, 전기 스쿠터 등의 수요 증가가 예상된다.  전 세계적인 연비 규제와 CO₂ 배출규제의 강화(‘그림 6. 글로벌 CO₂ 배출규제의 미국, 유럽, 일본, 중국의 예’ 참조)로 전기 자동차(xEV) 시장이 급성장하고 있다. 전기 자동차의 경우, 다양한 당면과제가 있다고 해도 세계적인 EV 화의 흐름은 2030년에 연간 2,000만 대, 전지의 총 양은 1,000GWh를 넘을 것으로 예측되고 있다.(계산 예; 50kWh/대×2,000만 대=1,000GWh, 그림 7 참고)   글로벌 시장에서 폭스바겐, GM, 도요타 등 자동차 기업들은 기존 내연기관차의 트렌드에서 벗어나 전기 자동차(HEV, PHEV, BEV)로 전략을 다변화하고 있으며, 특히 미국 테슬라 (TESLA)는 자동차 산업의 ‘애플(Apple)’과 같은 존재로 두각을 나타내는 중이다. 한국의 리튬이온 전지 기술 및 산업 지위는 ‘K-전지’라 불릴 정도로 올라갔으며, 정부는 현재 반도체 산업 수준으로 리튬이온 전지 산업을 육성하고 있다. 한국(LG화학, 삼성SDI, SK이노베이션), 일본(파나소닉), 미국(테슬라), 중국(CATL 등) 등 많은 리튬이온 전지 기업들이 투자 확대 중이다. EV 세일즈닷컴 자료에 따르면, 2019년 전기 자동차(BEV, PHEV) 판매실적은 220만 대를 넘긴 규모로 나타났으며, 2019년 총 신차 판매대 수 대비 전기 자동차(BEV, PHEV) 점유율은 2.5%로 나타났다. 이미 상용화 단계에 들어선 전기 자동차(xEV)는 2038년에 세계 신차 판매 대수의 50% 비중을 차지하게 될 것이며, 이후 2050년의 비중은 약 90%에 이를 것으로 예측된다.  모델별 판매실적을 살펴보면(표 2), Tesla의 ‘Model 3’이 30만 대 판매로 점유율 14%이며, 2위 모델보다 약 3배의 점유율을 차지하였다.  4. 전기 자동차의 종류 및 특징  각국 정부들이 중장기적으로 연도별 전기 자동차(xEV) 보급 목표를 수립하고 보조금 지급, 충전 인프라 구축 등 다양한 활성화 정책을 적극적으로 펼치고 있기에 전기 자동차(xEV) 시장은 빠르게 성장하고 있다. 전기 자동차의 종류는 HEV, PHEV, EV가 있다.(그림 8) 전기 자동차는 전지 기술 발전과 인프라의 보급에 따라 하이브리드 전기 자동차(HEV)에서 플러그인 하이브리드 전기차(PHEV)와 순수 전기 자동차(BEV)로 점차 발전하고 있다. 각 전기 자동차의 특징은 다음과 같다. •  HEV(엔진+모터 주행) 내연기관(엔진)과 전기 모터(전지)라는 서로 다른 두 개의 동력원으로 운영되기 때문에 가솔린 차량에 비해 연비가 높고, 유해가스 배출량이 내연기관 엔진 단독과 비교해 획기적으로 줄어든다. 외부에서 충전은 하지 않고 자체적으로 브레이크 제동 시스템에서 전기를 공급받아 충전하고, 출발 시 모터의 구동으로 방전을 하는 형식으로 차량의 연비를 높였다. • PHEV(엔진+고출력 모터)플러그인 하이브리드자동차(PHEV, Plug-in Hybrid Electric Vehicle)는 단거리 주행 시 엔진을 대신하여 전기전지를 사용하여 주행할 수 있다. 기존 HEV에 고출력 모터 및 대용량 전지를 장착해 전기 자동차 주행 구간을 향상시킨 자동차이다. EV 모드와 HEV 모드로 주행이 가능하고, 외부에서 전기를 충전할 수 있는 완속 충전기가 장착되어 있다. 표 2에서 회사별 PHEV 모델을 참고할 수 있다. • BEV(모터만으로 주행)전기 자동차(BEV, Battery Electric Vehicle)용 전지는 높은 에너지 밀도를 중시하는 제품이며, 이는 곧 1회 충전 당 주행거리가 늘어나는 것이 중요하다. 전지 회사는 고객의 니즈에 맞춰 안전성을 기반으로 한 최적 수명의 성능을 가진 전지를 개발하고 있다. 이산화탄소 배출이 전혀 없는 친환경 차로서 고밀도 전지만을 에너지원으로 하는 전기 구동 모터로 구동된다. 에너지원인 전력은 외부 충전소에서 급속 충전과 완속 충전이 모두 가능하다. 표 2에서 각사별 BEV 모델을 참고할 수 있다. 글로벌 전기자동차의 경우, 기존 OEM 중 폭스바겐, GM, 현대기아차는 BEV 개발과 전기 자동차 전용 플랫폼 출시 등 전기자동차 전략을 집중하고 있으며, 프리미엄 브랜드 BMW, 벤츠 등은 PHEV를 거쳐 BEV로 확대하고 있다. 전기 자동차 전용 플랫폼으로는 MEB(VW), e-GMP(현대), BEV3(GM) 등이 있다. 현대기아차는 순수 전기 자동차 플랫폼(e-GMP) 개발 등 사업 전략을 강화하며, ’25년까지 16개 이상 모델로 85만 대 판매를 목표로 하고 있다. 2021년 출시한 아이 오닉 5는 표 3과 같이 전지 용량은 72.6kWh이며, 축전지 정격전압과 용량은 653V와 111.2Ah이다. 1회 충전으로 약 400km를 주행할 수 있다. 자동차용 전지(팩)의 무게를 400~500kg으로 가정하면, 비용량은 140~180Wh/kg로 추정된다.   표 4와 그림 9는 삼성SDI와 LG 에너지솔루션의 전기 자동차(xEV)용 리튬이온 전지 플랫폼 예이다.   LG 에너지솔루션에서는 리튬이온 전지의 다양한 크기의 셀을 기준으로 여러 모양의 모듈을 제작하였다. 이를 기반으로 그림 9와 같이 고객 맞춤형 구조의 팩을 제작하여 차량 내의 공간을 효율적으로 사용할 수 있게 하였다.  Ⅲ. 리튬이온 전지(팩) 구성과 용량 1. 리튬이온 전지의 모듈과 팩의 용량 계산 예 리튬이온 전지 기본 셀의 양극, 음극의 용량 설계, 전극판 설계 등이 대표적인 셀 설계 기술이다. 이를 기반으로 전지 모듈과 팩의 용량을 설계할 수 있다. 더욱 리튬이온 전지의 에너지 설계, 파워 설계, 안정성, 최종 비용 계산은 제조사만이 가지고 있는 노하우이다.  본 원고에서는 간단히 에너지양의 정의와 전지 모듈과 팩의 용량 계산을 해보았다. 리튬이온 전지의 에너지양은 전지에 걸리는 부하(예, 전자기기)를 얼마나 사용할 수 있는지를 결정한다. 리튬이온 전지 셀은 직렬 또는 병렬로 구성하여 모듈과 팩으로 구성할 수 있다. 전지 셀을 직렬로 연결하게 되면 전지 모듈의 전압이 상승하고, 병렬로 연결하게 되면 전지 모듈의 용량이 커진다.  1W(와트)는 1볼트(V) 전압으로 1암페어(A) 전류가 흐를 때 전력 크기이다. W(전력)=V(전압)×A(전류)라는 공식이 성립된다. 전력 단위에 시간 단위를 곱하면서 에너지를 나타내는 단위로 쓰인다. 1와트(W)의 기기가 한 시간 동안 소비하는 에너지는 1Wh이다. 전지를 모듈과 팩으로 설계할 때 어떻게 연결할지 알아보면 다음과 같다. 표 5와 같이 1개의 모듈당 4V, 5Ah라고 가정하고 직렬, 병렬의 전압과 용량을 계산해 보자. 예 1은 모듈 4개를 직렬로 연결했을 때 직렬로 연결한 개수만큼 전압이 증가한다. 반면 용량은 그대로이다. 10A의 전류로 방전한다고 가정했을 때, 0.5h 만에 방전된다. 전압: 4[V] × 4 = 16[V], 용량: 5[Ah], 사용 시간: 5[Ah]÷10[Ah] = 0.5[h] 예 2는 모듈 4개를 병렬로 연결했을 때는 병렬로 연결한 개수만큼 용량이 증가한다. 반면 전압은 그대로이다. 마찬가지로 10A 전류로 방전한다고 했을 때, 2h 만에 방전된다.  전압: 4[V], 용량: 5[Ah] × 4 = 20[Ah], 사용 시간: 20[Ah]÷10[Ah]=2[h] 결국, 사용할 기기의 전기 용량과 사용 시간을 설정하면, 전지 용량을 역으로 설계할 수 있을 것이다. ​예 3은 GM의 Bolt 전기자동차의 고전압 전지(팩)의 예이다. 일단 400V에 가까운 고전압을 만들기 위해 모듈 96개를 직렬로 연결하여 공칭전압 약 355V를 만들 수 있다. 하지만, 직렬로만 연결해서는 고전압 전지 용량을 늘릴 수 없기에 각각 병렬로 3개씩 연결하여 용량을 늘려준다. 병렬로 많이 연결할수록 용량이 증가하여 더 오랜 시간 동안 전지를 사용할 수 있다. 전압: 3.7[V] × 96 = 약 355[V], 용량: 60[Ah] × 3 = 약 180[Ah], 에너지: 350[V] × 180[Ah] = 약 66[kWh], 모듈의 수: 96 × 3 = 288개 구성된 고전압 고용량의 모듈 혹은 팩의 설계는 충전과 방전의 용이성, 전지 셀 무게에 대한 비용량을 설계할 수 있다. 리튬이온 전지가 전기자동차에 사용되기 위해서는 사용 환경, 온도 관리 및 충·방전 제어 등을 위하여 전지 관리시스템(Battery Management System: BMS)이 추가로 필요하다. 2. 리튬이온 전지(팩)의 가격과 무게 분해 2.1. 리튬이온 전지(팩)의 소재별 가격 분해리튬이온 전지 가격은 리서치 자료에 따라 차이는 있지만, 아래 유진투자증권 자료를 참조하였다. GM에서 출시한 GM Bolt 모델 차량에 채용한 리튬이온 전지의 분석은 매우 상세하게 기술되어 있다. 볼트 자동차의 전지는 NCM을 양극재로 사용한 LG화학의 파우치형이다. 전지 용량은 그림 10, 표 6과 같이 60kWh이며, 1회 충전으로 383km 주행이 가능하다.  전지 가격 변화를 살펴보면 그림 11과 같이, 2013년부터 2020년까지 리튬이온 전지(셀)의 가격은 668$/kWh에서 137$/kWh로 급격하게 감소하여 약 1/3이 되었으나, 자동차용 전지로 사용하기에는 여전히 고가이다. GM Bolt 전기 자동차의 리튬이온 전지(팩) 가격은 2015년에 약 2,300만 원으로 추정되었다. 국내 차량 가격 4,750만 원의 약 50%에 육박하였다. 표 7과 같이 리튬이온 전지(셀)의 가격이 257$/kWh이지만, 패킹 비용 127$/kWh를 추가하여 384$/kWh까지 상승한 것으로 추정된다.  큰 카테고리로 보면, 소재 비용 44%로 1,000만 원 정도, 패킹 비용은 24%로 550만 원, 인건비 1%, 상각비 15%로 350만 원, 운영비 15%로 360만 원이다. 소재 비용에서 양극재는 20%로 460만 원으로 가장 큰 비중을 차지하며, 분리막 9%, 음극재 7%, 전해질 4%, 기타 비용 4%이다.  2.2. 리튬이온 전지(팩)의 소재별 무게 분해GM bolt로 추정되는 전지 무게를 분석해 보면(자료: 브룸버그와 유진투자증권), 표 8과 같이 자동차 전체 공차 중량은 1,620kg이고, 전지는 430kg으로 공차 중량의 약 25%이고, 전체 자동차 무게의 20% 이상을 차지하고 있다. 셀의 무게는 300kg이고, 기타 모듈과 패킹의 무게는 130kg이다.  전지 비용량은 셀 무게뿐만 아니라 모듈과 패킹 무게도 포함하여 약 140Wh/kg으로 추정된다. 전지의 경량화 및 안전성을 위해서는 셀 무게뿐만 아니라, 모듈과 패킹(프레임 포함) 등의 셀 외장재 무게를 여하히 줄일 수 있는가는 각 사의 셀 설계 및 팩 디자인 노하우일 것이다. 셀 중에서도 양극재를 구성하는 주요 소재 무게는 약 54kg이다(니켈 15kg, 코발트 18kg, 망간 15kg, 리튬 6kg). 음극재의 주요 소재 흑연은 45kg 정도 소요하는 것으로 추정된다. 리튬이온 전지의 비용량을 고려할 때는 전지 팩의 구성요소를 모두 포함하여 고려하여야 한다. 하지만 아래 셀 무게에서 전극에 해당하는 구리의 무게를 극단적으로 50% 줄이고, 줄인 무게(양) 만큼 양극재를 늘린다면 비용량은 약 5~7% 증가할 것으로 추정할 수 있다.  그러나 셀 전극 면적 감소는 전지의 비용량은 올려주지만, 전지의 열 방출과 충·방전 속도를 감소시켜 열폭주 발생과 같은 전지의 안전성을 낮출 수 있다. 따라서 전극설계는 매우 신중히 고려할 요소이다. 오히려 셀 전극 면적 감소보다는 전지(팩)의 안전을 보장하는 범위에서 비중이 낮고 강도가 높은 재질로 전지의 프레임이나 보호 캔의 중량을 감소시키는 편이 효과적일 수 있다.  Ⅳ. 결론 리튬이온 전지는 전기 자동차(EV)를 비롯하여 모바일 분야의 IT 기기(휴대전화, 노트북, 태블릿)와 무선 이어폰, 전기 스쿠터나 자전거, 에너지 저장 장치(ESS), 무정전 전원 장치(UPS), 군수 항공, 무인 항공기(UAV), 해양산업, 의학 기기 등의 전원장치 등으로 사용처가 매우 다양하다. 사용처에 전원으로 사용되려면 높은 용량과 빠른 충전과 방전 기능을 갖춘 리튬이온 전지(LIB)가 필요하다.  본 리뷰에서는 리튬이온 전지의 시장과 전지의 소재 구성을 주제로 먼저 리튬이온 전지 시장 동향을 용량별 응용과 고정형, 이동형 형태의 응용으로 알아보았다. 또한 리튬이온 전지(팩) 분해하여 전지의 구성 소재 및 각 구성 소재의 무게를 통하여 소재 구성을 알아보았다. 이를 통하여 리튬이온 15 전지 시장의 성장 가능성과 구성 소재의 이해 관점에서 조사하였다.  소형 리튬이온 전지는 휴대전화, 노트북, 태블릿의 3대 IT 기기에 사용이 크게 확대될 전망이다. IT 시장에서는 무선 이어폰과 웨어러블 기기의 수요가 확대될 전망이다. 2021년 소형 리튬이온 전지의 수요는 전년 대비 25% 성장한 총 120억 셀(cell)을 기록할 것으로 전망된다. 이 외에 무선 이어폰, 전동공구, 전기 자전거, 전기 스쿠터 등의 전원용으로 활용된다. 고정형 리튬이온 전지로서 글로벌 리튬이온 전지 기반 ESS 시장은 2020년 20GWh에서 2025년 127GWh로 연평균 45%의 고성장이 지속할 것으로 전망하고 있다. ESS용 전지의 사용처는 발전 및 송배전 등 전력용, 사무실이나 학교 병원 등 상업용, 태양광 연계 가정용, 그리고 전력 품질관리용 UPS 등이 있다. 중대형, 이동형 리튬이온 전지의 가장 큰 전지 시장은 전기 자동차이다. 전 세계적인 연비 규제와 CO₂ 배출규제의 강화로 전기 자동차(xEV) 시장이 급성장하고 있다. 2030년에 연간 2000 만대, 전지의 총량은 1,000GWh를 넘을 것으로 예측하고 있다. 전기 자동차 (xEV)는 2038년에 세계 신차 판매 대수의 50% 비중을 차지하게 될 것이며, 이후 2050년의 비중은 약 90%에 이를 것으로 예측하고 있다.  한국의 리튬이온 전지 기술 및 산업 지위는 ‘K-전지’라 불릴 정도로 올라갔으며, 한국의 현재 반도체 산업 수준으로 리튬이온 전지 산업을 육성하고 있다. 한국(LG화학, 삼성SDI, SK이노베이션), 일본(파나소닉), 미국(테슬라), 중국(CATL 등) 등 많은 리튬이온 전지 기업들이 투자 확대 중이다. 리튬이온 전지의 구성 물질은 크게 양극, 음극, 전해액, 분리막의 네 가지로 구성된다. 전지 부품 중 전체 전지 비용의 40~50%를 차지하는 양극 및 음극 재료의 성능은 용량 유지율, 고속 충·방전 능력, 안전성, 비용을 포함한 많은 특성에 영향을 주기 때문에 양극재 및 음극재 개발은 매우 중요하다. 그뿐만 아니라 전지의 충·방전의 회로 및 다리 역할을 해줄 전해액, 분리막, 그리고 박막 집전체도 매우 중요하다. 주 1) 리튬이온 이차전지가 정식 명칭이지만, 본 원고에서는 리튬이온 전지(Lithum ion Battery: LIB)로 표기하였다.주 2) 본 심층 보고서의 내용은 리뷰자의 주관적 의견이고, 관련 회사의 공식 입장과 다를 수 있다.      
취재부 2025-07-03