[논문 리뷰] Mechanical Property Design of Bio-compatible Mg alloys using Machine-Learning Algorithms

Parham Valipoorsalimi, Yuksel Asli Sari외 1명|arXiv (Cornell University)|2023. 05. 20.

Magnesium Alloys: Properties and ApplicationsMaterials Science인용 수 3

한 줄 요약

이 연구는 뼈 식입물용 고강도·생체친화성 마그네슘 합금을 설계하기 위해 기계학습 모델과 유전적 알고리즘을 융합한 방법을 개발한다. 생체친화성 원소만을 사용한 랜덤 포레스트 회귀모델은 인덱스 강도 예측에 91%의 R² 정확도를 달성하였으며, 이에 기반해 합성된 두 합금은 각각 108 MPa 및 113 MPa의 인덱스 강도를 확보하였다. 이는 기존의 생체친화성 마그네슘 합금을 초월하며 자연 뼈의 기계적 성질에 가까워졌다.

ABSTRACT

Magnesium alloys are attractive options for temporary bio-implants because of their biocompatibility, controlled corrosion rate, and similarity to natural bone in terms of stiffness and density. Nevertheless, their low mechanical strength hinders their use as cardiovascular stents and bone substitutes. While it is possible to engineer alloys with the desired mechanical strength, optimizing the mechanical properties of biocompatible magnesium alloys using conventional experimental methods is time-consuming and expensive. Therefore, Artificial Intelligence (AI) can be leveraged to streamline the alloy design process and reduce the required time. In this study, a machine learning model was developed to predict the yield strength (YS) of biocompatible magnesium alloys with an $R^2$ accuracy of 91\%. The predictive model was then validated using the CALPHAD technique and thermodynamics calculations. Next, the predictive model was employed as the fitness function of a genetic algorithm to optimize the alloy composition for high-strength biocompatible magnesium implants. As a result, two alloys were proposed and synthesized, exhibiting YS values of 108 and 113 MPa, respectively. These values were substantially higher than those of conventional magnesium biocompatible alloys and closer to the YS and compressive strength of natural bone. Finally, the synthesized alloys were subjected to microstructure analysis and mechanical property testing to validate and evaluate the performance of the proposed AI-based alloy design approach for creating alloys with specific properties suitable for diverse applications.

연구 동기 및 목표

• 하중을 지탱하는 식입물(예: stents 및 뼈 대체재)에 응용 가능한 데에 제한되는 생체친화성 마그네슘 합금의 낮은 기계적 강도 문제를 해결하기 위해.
• 기존의 시행착오 기반 방법을 대체하여 실험적 합금 개발의 시간과 비용을 줄이기 위해 AI 기반 예측 및 최적화를 도입하기 위해.
• 생체 내 응용에 대한 안전성을 확보하기 위해 생체친화성 원소만을 사용해 고강도 마그네슘 합금을 설계하기 위해.
• AI 예측 조성의 타당성을 실험적 합성 및 기계적 시험을 통해 검증하기 위해.
• 미세구조 및 열역학 분석을 통합하여 AI 기반 설계 접근법의 신뢰성을 확인하기 위해.

제안 방법

• 생체친화성 마그네슘 합금 조성과 그에 해당하는 인덱스 강도(YT) 값의 데이터셋을 기반으로 랜덤 포레스트(RF) 회귀모델을 학습시켜 91%의 R² 정확도를 달성하였다.
• 모델 예측의 타당성을 검증하고 상의 안정성을 확보하기 위해 CALPHAD 방법 및 열역학 계산을 적용하였다.
• 학습된 RF 모델을 유전적 알고리즘(GA)의 적합도 함수로 활용하여, 생체친화성 제약 조건을 충족하면서 인덱스 강도를 최대화하는 최적의 합금 조성을 탐색하였다.
• 독성 또는 생분해되지 않는 원소를 제외하기 위해 생체친화성 원소로만 구성된 원소 제한 조건을 설정: Ca, Sr, Zn, Mn 및 희토류.
• GA 예측 조성에 기반해 두 가지 후보 합금을 합성하고, 미세구조 분석(EDS, SEM) 및 기계적 시험(경도, 인덱스 강도)을 수행하여 예측의 타당성을 검증하였다.
• 경도 측정값에서 인덱스 강도를 추정하기 위해 Vickers 경도와의 비율 2.4:1을 활용(YS ≈ 2.4 × BHN)하였다.

실험 결과

연구 질문

• RQ1 컴positions 데이터만을 사용하여 기계학습이 생체친화성 마그네슘 합금의 인덱스 강도를 정확하게 예측할 수 있는가?
• RQ2 기계학습 모델에 의해 안내된 유전적 알고리즘이 생체친화성 및 열역학적 안정성을 유지하면서 고강도 마그네슘 합금 조성을 식별할 수 있는가?
• RQ3 AI 예측 조성에 기반한 합금이 실험적으로 합성된 물질에서 자연 뼈에 가까운 기계적 성질을 확보하는가?
• RQ4 미세구조적 특징(예: 상 분포, 덴드라이트 간격 등)은 합성된 합금의 기계적 성능과 어떻게 상관관계가 있는가?
• RQ5 예측된 인덱스 강도 값과 실험 측정된 인덱스 강도 값 간의 일치 정도는 어느 정도이며, 불일치 요인은 무엇인가?

주요 결과

• 랜덤 포레스트 모델은 생체친화성 마그네슘 합금의 인덱스 강도 예측에서 결정 계수(R²)가 91%에 도달하였다.
• 유전적 알고리즘은 두 가지 최적의 합금 조성을 도출하였다: 하나는 Mg 87%, Sr 5%, Zn 8%, Mn 8%이고, 다른 하나는 Mg 96%, Ca 0.5%, Zn 4%, Mn 4%였다.
• 실험적으로 합성된 합금 1은 인덱스 강도 108 MPa, Vickers 경도 47 HV를 기록하였으며, 합금 2는 113 MPa 및 52 HV를 확보하였다.
• 실험 합금의 예측 인덱스 강도는 각각 118 MPa(합금 1) 및 125 MPa(합금 2)였으며, 실험 결과와 양호한 일치를 보였다.
• 미세구조 분석을 통해 Mg(Zn) 고체 용액, Mn을 다량 함유한 상, 그리고 Sr₂Zn₄₃Mg₅₅ 및 CaMgZn과 같은 인터메탈릭 화합물이 존재함을 확인하였으며, 이는 강화 기여 요소로 작용하였다.
• 특히 합금 2(52 HV)의 경우 경도가 자연 뼈 및 다른 실험적 생분해성 마그네슘 합금과 유사하여, 응력 쉬딩 위험 감소를 시사하였다.