소프트 로봇·웨어러블·맞춤형 의료기기에는 복잡한 형상을 자유롭게 출력할 수 있으면서도 부드럽고 잘 늘어나는 소재가 필요하다. 그런데 신축성과 강도가 높은 소재일수록 점도가 높아 DLP(액체 소재에 빛을 조사해 형상을 굳히는 방식) 3D 프린터로 출력하기 어렵고, 반대로 출력이 쉽도록 점도를 낮추면 신축성과 강도가 떨어진다. 이 상충 관계가 그간 소프트 소재 3D 프린팅의 핵심 난제였다.
KAIST 이승철 기계공학과 교수 연구팀은 이 문제를 머신러닝으로 풀었다. 학습 데이터를 구성할 때 출력이 잘 되는 단단한 소재뿐 아니라, 점도가 높아 출력이 어려운 소재까지 포함시켰다. AI는 소재 배합과 물성 사이의 관계를 학습해 '출력 가능 + 고신축' 두 조건을 동시에 만족하는 최적 조합을 도출했다. 결과물은 DLP 프린터에서 안정적으로 출력됐고, 잡아당겨도 끊어지지 않으면서 원래 길이의 6배 이상 늘어나는 신축성을 보였다.
- 해결한 문제: 점도(출력성) vs. 신축성·강도의 트레이드오프
- 학습 데이터: 출력 가능 소재 + 점도 높아 출력 어려운 소재 모두 포함
- 출력 방식: DLP 3D 프린팅(빛으로 액체 소재를 원하는 형상으로 경화)
- 신축성: 원래 길이의 6배 이상 연신 가능, 고강도 유지
- 실증: 소프트 액추에이터 → 로봇 손 제작 → 1kg 물병·달걀·유리병 파지 성공
소재 개발에 AI를 쓸 때 '출력 불가' 데이터를 학습셋에 포함시켜 경계 조건을 명시적으로 학습시킨 점은 실무에서 참고할 만한 설계 전략이다. 소프트 액추에이터와 로봇 핸드로의 실증까지 이어진 만큼, 이 소재가 웨어러블이나 의료기기 분야에서 양산 수준으로 적용되려면 어떤 후속 검증이 필요한지, 그리고 DLP 장비별 출력 파라미터 호환성이 어느 범위까지 확보됐는지를 원문 논문에서 확인하는 것을 권장한다.