금속 3D프린팅이 잘되지 않을 때 레이저 출력부터 높여야 할까요? 미국 워싱턴주립대(WSU) 연구진은 다른 질문을 던졌습니다. 이미 실패한 조건에서 무엇을 배울 수 있고, 다음에는 어떤 조합을 시험해야 할까. WSU가 2026년 8월 24일 소개한 연구는 이 질문을 AI와 실제 출력 실험으로 풀었습니다.
대상은 NASA가 개발한 구리·크롬·니오븀 합금 GRCop-42입니다. 연구팀은 기존에 실패한 37개 조건의 기록에서 출발했습니다. 대학 발표에 따르면 3개월 동안 최대 40회의 실험 예산 안에서 서로 다른 레이저 출력에 걸친 성공 조건 6개를 찾았고, 그중에는 500W 출력도 포함됐습니다. 6개 모두가 500W였다는 뜻은 아닙니다.
이미지: DED와 실험 후보 선택을 설명하는 AI 개념도. 실제 연구 장비·시편 사진이 아닙니다.
먼저 알아둘 세 가지
- 새 합금을 발명한 연구가 아닙니다. 기존 GRCop-42를 출력할 공정 조건을 찾았습니다.
- AI가 실험을 없앤 것이 아닙니다. 다음에 시험할 후보를 골랐고, 연구진이 실제로 출력해 결과를 확인했습니다.
- 500W는 레이저 출력입니다. 장비 전체의 소비전력, 제품 단가, 양산 인증을 나타내는 숫자가 아닙니다.
열을 잘 옮기는 구리, 출력은 왜 까다로울까
GRCop-42는 열을 빠르게 전달하면서 높은 온도에서 강도를 유지하도록 개발된 합금입니다. 뜨거운 연소실 벽의 열을 냉각 쪽으로 보내야 하는 로켓 분야가 대표적인 활용 배경입니다. 그렇다고 이번 실험 시편이 곧바로 로켓에 들어갈 부품은 아닙니다.
이번 논문이 다룬 공정은 DED, 즉 직접 에너지 적층입니다. 재료를 공급하는 지점에 레이저 같은 에너지를 집중해 녹이고, 그 자리를 이동하며 재료를 쌓는 방식입니다. 분말을 넓게 깔아 둔 뒤 필요한 부분을 녹이는 분말베드 방식과 구별해야 합니다. 같은 합금 이름이 붙어 있어도 공정이 다르면 조건을 그대로 옮겨 쓸 수 없습니다.
출력 조건은 단일 숫자가 아니라 조합입니다. 레이저가 재료를 가열하는 동안 얼마나 빠르게 이동하는지에 따라 한 위치가 에너지를 받는 시간도 달라집니다. 따라서 ‘500W면 된다’라는 문장은 중요한 나머지 조건을 지워 버립니다. 실무에서 필요한 것은 장비·재료·형상과 함께 묶인 공정 조건입니다.
AI가 한 일은 정답 발표가 아니라 다음 실험 선택
논문은 과거 실험으로 대리모델을 만들고, 매 단계에서 소수의 후보를 골라 검증하는 방법을 설명합니다. 대리모델은 실제 장비 대신 모든 후보를 출력하는 기계가 아닙니다. 지금까지의 기록을 바탕으로 아직 시험하지 않은 조건의 가능성을 추정하는 계산 모델입니다.
여기에는 두 가지 선택이 필요합니다. 하나는 성공할 가능성이 높아 보이는 조건을 시험하는 일입니다. 다른 하나는 결과를 잘 모르는 영역을 확인해 모델의 판단 범위를 넓히는 일입니다. 전자만 반복하면 비슷한 조건 주변에 머물 수 있고, 후자만 고르면 당장 쓸 수 있는 조건을 찾는 데 실험을 너무 많이 쓸 수 있습니다.
연구의 흐름은 ‘실패 기록 포함 → 후보 가능성 추정 → 소수 조건 선택 → 실제 출력·평가 → 기록을 더해 다음 후보 선택’으로 이해하면 됩니다. 성공한 시편 사진만 모으는 것과는 출발점이 다릅니다. 실패도 다음 선택을 바꾸는 정보가 됩니다.
서로 다른 두 실험 중 무엇을 먼저 할까
다음은 원리를 설명하기 위한 가상 예시입니다. 연구팀의 실제 수치나 레시피가 아닙니다.
| 후보 | 이미 아는 것 | 시험해서 얻을 수 있는 것 |
|---|
| A: 이전 후보와 가까운 조건 | 주변 기록이 비교적 많음 | 유망한 영역에서 출력 가능성을 확인 |
| B: 기록이 드문 조건 | 모델의 판단 근거가 적음 | 새로운 영역의 가능성 또는 실패 경계를 확인 |
A가 늘 정답도, B가 늘 정답도 아닙니다. 이번 실험의 목적이 빠른 시제품 확보인지, 다음 개발을 위한 조건 범위 파악인지에 따라 선택의 가치가 달라집니다. 이런 목적을 먼저 정해야 AI가 추천한 후보를 사람이 평가할 수 있습니다.
또한 ‘실패’라는 한 단어만으로는 현장 기록이 충분하지 않을 수 있습니다. 조건을 실행했지만 형상이 무너진 경우와, 장비 이상으로 시험을 끝내지 못한 경우를 구분해야 합니다. 이는 이번 논문에서 확인한 구현 사양이 아니라, 실험 기록을 설계할 때 적용할 수 있는 실무적 제안입니다.
확인된 성과와 아직 건너뛰면 안 되는 단계
이번 결과의 가치는 저출력 조건을 포함해 실제로 출력 가능한 조합을 찾았다는 데 있습니다. 하지만 ‘출력이 됐다’와 ‘원하는 제품의 요구 성능을 반복해서 만족한다’는 서로 다른 판단입니다. 공개 발표만으로 반복 생산 수율, 전체 에너지 절감률, 제조원가 절감률을 확정할 수 없습니다.
특히 레이저 출력과 에너지는 구분해야 합니다. 출력은 순간적으로 에너지를 전달하는 크기이고, 총에너지는 작동 시간에도 영향을 받습니다. 500W라는 값만으로 한 부품을 만드는 데 전기가 얼마나 덜 들었는지 계산할 수는 없습니다. 장비의 다른 구성요소와 공정 시간도 포함한 측정이 필요합니다.
형상도 확인 대상입니다. NASA의 2022년 GRCop-42 관련 발표는 표준 시편에서 얻은 벌크 재료 특성을 얇은 벽에 그대로 적용할 수 없다고 설명합니다. 미세구조, 내부 빈틈, 표면 상태의 영향이 형상에 따라 달라지기 때문입니다. 이 자료는 이번 WSU 성과를 독립적으로 재현한 결과가 아니라, 적용 범위를 판단하는 배경 자료입니다.
현장에서는 이 네 가지를 물어보세요
- 같은 공정인가? 합금명 외에 DED인지 분말베드인지, 장비와 재료 조건이 무엇인지 확인합니다.
- 성공을 무엇으로 판정했는가? 외관, 내부 결함, 치수, 기계적 성능 가운데 어떤 항목을 확인한 결과인지 구분합니다.
- 원하는 형상에서도 반복되는가? 단순 시편의 결과를 얇은 벽이나 복잡한 내부 구조에 자동으로 적용하지 않습니다.
- 절감은 무엇을 측정했는가? 레이저 출력, 총전력 사용량, 재작업, 검사와 후처리 비용을 각각 봅니다.
예를 들어 얇은 벽을 가진 열전달 부품을 검토한다면, 먼저 필요한 벽 두께와 검사 항목을 적어 두는 편이 유용합니다. 그런 다음 그 요구에 맞는 시험 근거를 요청해야 합니다. 기사 속 낮은 출력 숫자만으로 장비를 고르거나 견적을 확정하는 순서는 피할 수 있습니다.
누가 무엇을 했는가
AI 연구에는 WSU의 Azza Fadhel과 Jana Doppa, 미네소타대의 Aryan Deshwal이 참여했습니다. WSU의 Nathaniel Zuckschwerdt, Susmita Bose, Amit Bandyopadhyay는 재료·제조 분야에서 출력과 시편 평가에 협력했습니다. GRCop-42의 개발 기관은 NASA입니다. 합금 개발, 실험 선택, 실제 제조·평가의 역할을 구별해 읽어야 합니다.
논문은 2026년 3월 14일 AAAI 학술대회 논문집에 공개됐으며, WSU가 8월 24일 연구 내용을 소개했습니다. 최근 소개된 연구이지, 8월에 처음 논문이 발표된 것은 아닙니다. 이번 사례에서 현장에 가져갈 핵심은 특정 레이저 숫자보다 실험의 순서입니다. 실패를 지우지 않고, 다음에 무엇을 확인할지 정한 뒤, 실제 시편으로 다시 판단하는 과정입니다.
아이컨택은 3D프린팅 출력 서비스를 제공하며 제조기술의 원리와 적용 조건을 소개합니다. 서비스 안내는 아이컨택 홈페이지에서 확인할 수 있습니다.
출처
금속 3D프린팅이 잘되지 않을 때 레이저 출력부터 높여야 할까요? 미국 워싱턴주립대(WSU) 연구진은 다른 질문을 던졌습니다. 이미 실패한 조건에서 무엇을 배울 수 있고, 다음에는 어떤 조합을 시험해야 할까. WSU가 2026년 8월 24일 소개한 연구는 이 질문을 AI와 실제 출력 실험으로 풀었습니다.
대상은 NASA가 개발한 구리·크롬·니오븀 합금 GRCop-42입니다. 연구팀은 기존에 실패한 37개 조건의 기록에서 출발했습니다. 대학 발표에 따르면 3개월 동안 최대 40회의 실험 예산 안에서 서로 다른 레이저 출력에 걸친 성공 조건 6개를 찾았고, 그중에는 500W 출력도 포함됐습니다. 6개 모두가 500W였다는 뜻은 아닙니다.
이미지: DED와 실험 후보 선택을 설명하는 AI 개념도. 실제 연구 장비·시편 사진이 아닙니다.
먼저 알아둘 세 가지
열을 잘 옮기는 구리, 출력은 왜 까다로울까
GRCop-42는 열을 빠르게 전달하면서 높은 온도에서 강도를 유지하도록 개발된 합금입니다. 뜨거운 연소실 벽의 열을 냉각 쪽으로 보내야 하는 로켓 분야가 대표적인 활용 배경입니다. 그렇다고 이번 실험 시편이 곧바로 로켓에 들어갈 부품은 아닙니다.
이번 논문이 다룬 공정은 DED, 즉 직접 에너지 적층입니다. 재료를 공급하는 지점에 레이저 같은 에너지를 집중해 녹이고, 그 자리를 이동하며 재료를 쌓는 방식입니다. 분말을 넓게 깔아 둔 뒤 필요한 부분을 녹이는 분말베드 방식과 구별해야 합니다. 같은 합금 이름이 붙어 있어도 공정이 다르면 조건을 그대로 옮겨 쓸 수 없습니다.
출력 조건은 단일 숫자가 아니라 조합입니다. 레이저가 재료를 가열하는 동안 얼마나 빠르게 이동하는지에 따라 한 위치가 에너지를 받는 시간도 달라집니다. 따라서 ‘500W면 된다’라는 문장은 중요한 나머지 조건을 지워 버립니다. 실무에서 필요한 것은 장비·재료·형상과 함께 묶인 공정 조건입니다.
AI가 한 일은 정답 발표가 아니라 다음 실험 선택
논문은 과거 실험으로 대리모델을 만들고, 매 단계에서 소수의 후보를 골라 검증하는 방법을 설명합니다. 대리모델은 실제 장비 대신 모든 후보를 출력하는 기계가 아닙니다. 지금까지의 기록을 바탕으로 아직 시험하지 않은 조건의 가능성을 추정하는 계산 모델입니다.
여기에는 두 가지 선택이 필요합니다. 하나는 성공할 가능성이 높아 보이는 조건을 시험하는 일입니다. 다른 하나는 결과를 잘 모르는 영역을 확인해 모델의 판단 범위를 넓히는 일입니다. 전자만 반복하면 비슷한 조건 주변에 머물 수 있고, 후자만 고르면 당장 쓸 수 있는 조건을 찾는 데 실험을 너무 많이 쓸 수 있습니다.
연구의 흐름은 ‘실패 기록 포함 → 후보 가능성 추정 → 소수 조건 선택 → 실제 출력·평가 → 기록을 더해 다음 후보 선택’으로 이해하면 됩니다. 성공한 시편 사진만 모으는 것과는 출발점이 다릅니다. 실패도 다음 선택을 바꾸는 정보가 됩니다.
서로 다른 두 실험 중 무엇을 먼저 할까
다음은 원리를 설명하기 위한 가상 예시입니다. 연구팀의 실제 수치나 레시피가 아닙니다.
A가 늘 정답도, B가 늘 정답도 아닙니다. 이번 실험의 목적이 빠른 시제품 확보인지, 다음 개발을 위한 조건 범위 파악인지에 따라 선택의 가치가 달라집니다. 이런 목적을 먼저 정해야 AI가 추천한 후보를 사람이 평가할 수 있습니다.
또한 ‘실패’라는 한 단어만으로는 현장 기록이 충분하지 않을 수 있습니다. 조건을 실행했지만 형상이 무너진 경우와, 장비 이상으로 시험을 끝내지 못한 경우를 구분해야 합니다. 이는 이번 논문에서 확인한 구현 사양이 아니라, 실험 기록을 설계할 때 적용할 수 있는 실무적 제안입니다.
확인된 성과와 아직 건너뛰면 안 되는 단계
이번 결과의 가치는 저출력 조건을 포함해 실제로 출력 가능한 조합을 찾았다는 데 있습니다. 하지만 ‘출력이 됐다’와 ‘원하는 제품의 요구 성능을 반복해서 만족한다’는 서로 다른 판단입니다. 공개 발표만으로 반복 생산 수율, 전체 에너지 절감률, 제조원가 절감률을 확정할 수 없습니다.
특히 레이저 출력과 에너지는 구분해야 합니다. 출력은 순간적으로 에너지를 전달하는 크기이고, 총에너지는 작동 시간에도 영향을 받습니다. 500W라는 값만으로 한 부품을 만드는 데 전기가 얼마나 덜 들었는지 계산할 수는 없습니다. 장비의 다른 구성요소와 공정 시간도 포함한 측정이 필요합니다.
형상도 확인 대상입니다. NASA의 2022년 GRCop-42 관련 발표는 표준 시편에서 얻은 벌크 재료 특성을 얇은 벽에 그대로 적용할 수 없다고 설명합니다. 미세구조, 내부 빈틈, 표면 상태의 영향이 형상에 따라 달라지기 때문입니다. 이 자료는 이번 WSU 성과를 독립적으로 재현한 결과가 아니라, 적용 범위를 판단하는 배경 자료입니다.
현장에서는 이 네 가지를 물어보세요
예를 들어 얇은 벽을 가진 열전달 부품을 검토한다면, 먼저 필요한 벽 두께와 검사 항목을 적어 두는 편이 유용합니다. 그런 다음 그 요구에 맞는 시험 근거를 요청해야 합니다. 기사 속 낮은 출력 숫자만으로 장비를 고르거나 견적을 확정하는 순서는 피할 수 있습니다.
누가 무엇을 했는가
AI 연구에는 WSU의 Azza Fadhel과 Jana Doppa, 미네소타대의 Aryan Deshwal이 참여했습니다. WSU의 Nathaniel Zuckschwerdt, Susmita Bose, Amit Bandyopadhyay는 재료·제조 분야에서 출력과 시편 평가에 협력했습니다. GRCop-42의 개발 기관은 NASA입니다. 합금 개발, 실험 선택, 실제 제조·평가의 역할을 구별해 읽어야 합니다.
논문은 2026년 3월 14일 AAAI 학술대회 논문집에 공개됐으며, WSU가 8월 24일 연구 내용을 소개했습니다. 최근 소개된 연구이지, 8월에 처음 논문이 발표된 것은 아닙니다. 이번 사례에서 현장에 가져갈 핵심은 특정 레이저 숫자보다 실험의 순서입니다. 실패를 지우지 않고, 다음에 무엇을 확인할지 정한 뒤, 실제 시편으로 다시 판단하는 과정입니다.
아이컨택은 3D프린팅 출력 서비스를 제공하며 제조기술의 원리와 적용 조건을 소개합니다. 서비스 안내는 아이컨택 홈페이지에서 확인할 수 있습니다.
출처