국민대학교 신소재공학부 인공지능재료설계연구실 소속 박세진 박사과정생과 문현준·최준혁 학부연구생(지도교수 조기섭)이 최근 개최된 2026 한국열처리공학회 춘계학술발표대회에서 온프레미스 LLM 기반 소재·산업 데이터 구축 연구 성과를 발표하며 우수한 연구 역량을 보였다. 특히 박세진 박사과정생은 우수논문상 정인상을 수상하며 연구의 우수성을 인정받았다.

박세진 박사과정생은 「적응형 스키마 유도와 대조학습 기반 의미정렬을 결합한 Ni계 초내열합금 CPSP 데이터베이스 구축 방법론」을 주제로 연구 성과를 발표하였다. 해당 연구는 AI 기반 소재 설계 및 물성 예측 기술의 핵심 기반이 되는 조성–공정–구조–물성(Composition–Processing–Structure–Property, CPSP) 데이터베이스를 보다 정교하고 재현성 있게 구축하기 위한 방법론을 제안한 것이다.

Ni계 초내열합금은 항공엔진과 가스터빈 등 극한 환경에서 사용되는 고성능 소재로, 조성·공정·미세조직·물성이 복잡하게 연결되어 있다. 그러나 기존의 고정 스키마 기반 데이터 구조화 방식은 다양한 문헌 정보를 유연하게 반영하기 어렵고, CPSP 관계를 체계적으로 표현하는 데 한계가 있었다. 이에 박세진 박사과정생은 문헌 데이터로부터 필요한 구조를 귀납적으로 형성하는 스키마 유도형 데이터베이스 구축 방법론을 제안하였다. 이를 통해 온프레미스 LLM 환경에서 Ni계 초내열합금의 공정 이력, 미세조직, 물성 정보를 계층적 JSON 구조로 구축하고, 의미 정렬 및 대조학습을 적용해 데이터 간 구조적 일관성을 확보하였다.

문현준·최준혁 학부연구생은 「산업 데이터 보안을 고려한 온프레미스 환경에서의 멀티모달 LLM 기반 데이터 자동 추출 및 통합 파이프라인 구축」을 주제로 연구 성과를 발표하였다. 해당 연구는 산업 현장에 파편화되어 존재하는 이미지 기반 문서, 실험 자료, 공정 데이터 등 비정형 데이터를 자동으로 추출·통합하기 위한 멀티모달 LLM 기반 데이터 파이프라인을 제안한 것이다.

산업 현장의 소재·공정 데이터는 다양한 문서 형식과 이미지 자료로 분산되어 있으며, 데이터 형식이 표준화되어 있지 않아 분석과 활용에 어려움이 있다. 특히 기업 내부의 민감한 제조·공정 데이터는 보안 문제로 인해 외부 클라우드 기반 AI 시스템을 적용하는 데 한계가 있었다. 이에 연구팀은 클라우드 환경이 아닌 온프레미스 환경에서 멀티모달 LLM을 활용하는 데이터 자동 추출 및 통합 파이프라인을 구축하였다. 또한 이미지 기반 문서의 핵심 정보를 안정적으로 추출하기 위해 사전 성능 평가를 거쳐 선정된 상위 3종의 멀티모달 LLM 모델을 병렬로 활용하고, 각 모델의 결과를 비교·검토하는 교차 검증 시스템을 설계하였다. 이를 통해 단일 모델 의존성을 줄이고, AI와 인간의 협업을 기반으로 데이터 정제 과정의 정확성과 신뢰성을 높였다.

이번 연구 성과는 국민대학교 인공지능재료설계연구실이 추진하고 있는 온프레미스 LLM 기반 소재 데이터베이스 구축, 산업 데이터 자동화, AI 기반 소재 분석 및 설계 연구의 우수성을 보여주는 사례이다. 특히 보안성과 재현성이 중요한 연구·산업 환경에서도 고품질 데이터를 자동으로 추출·구조화할 수 있는 가능성을 제시했다는 점에서 의의가 크며, 향후 항공, 에너지, 방산, 금속 소재 산업의 공정 모니터링 및 고신뢰 소재 개발 분야에 활용될 것으로 기대된다.