고엔트로피 합금 - 금속공학의 상식을 깬 신소재 이야기

5종류 금속을 한꺼번에 섞으면 무슨 일이 벌어질까

개발자 커뮤니티에서 갑자기 금속공학 이야기가 나오면 좀 의아하실 수 있는데요, 사실 고엔트로피 합금(High-Entropy Alloy, HEA) 은 재료과학에서 지난 20년간 가장 흥미로운 사건 중 하나로 꼽힙니다. 반도체, 항공우주, 수소 저장, 심지어 양자컴퓨터의 극저온 부품까지 영향을 줄 수 있는 영역이라 IT 업계 사람도 알아두면 시야가 넓어져요.

이름부터 좀 풀어볼게요. "엔트로피"는 고등학교 화학에서 배운 그 엔트로피 맞아요. 무질서함의 정도라고 흔히 설명되죠. 합금에서 엔트로피가 높다는 건, 여러 종류의 원자가 결정 격자 안에 마구잡이로 섞여 있다는 뜻입니다. 그게 왜 특별한지 알려면, 기존 금속이 어떻게 만들어졌는지부터 봐야 해요.

인류 금속학의 5천 년 전통

지금까지 인류가 써온 거의 모든 금속은 "주성분 한 가지 + 첨가물 약간" 구조였어요. 강철은 철이 98% 이상이고 거기에 탄소, 망간, 크롬 같은 걸 조금 넣은 거예요. 두랄루민은 알루미늄 95%에 구리 약간이고요. 청동도 구리에 주석을 살짝 섞은 거죠. 5천 년간 금속학은 "하나의 주인공 원소를 어떻게 살릴지"의 학문이었어요.

그런데 2004년경, 대만의 예지엔(Jien-Wei Yeh) 교수와 영국의 브라이언 캔터(Brian Cantor) 교수가 거의 동시에 완전히 다른 발상을 발표합니다. "5종류 이상의 원소를 비슷한 비율로 섞으면 어떨까?" 라는 거예요. 예를 들면 철, 크롬, 코발트, 니켈, 망간을 각각 20%씩 섞는 식이죠. 기존 야금학자들은 "그러면 단단한 화합물이 잔뜩 생겨서 부서지거나, 상이 갈라져서 쓸 수 없을 것"이라고 예상했어요.

그런데 실제로는 안 부서졌어요

놀랍게도 결과가 정반대였습니다. 일부 조합은 하나의 단일한 결정 구조(주로 면심입방격자 FCC나 체심입방격자 BCC)를 유지하면서, 그 안에 5종 원자들이 골고루 흩어진 채로 안정적으로 존재했어요. 이걸 가능하게 한 게 바로 "엔트로피 효과"입니다.

쉽게 설명하면 이렇습니다. 화합물이 만들어지려면 원자들이 "규칙적으로 짝을 맞춰야" 하는데, 5종 원자가 동등하게 섞여 있으면 짝을 맞추는 게 너무 복잡해져요. 그래서 차라리 "섞인 상태 그대로 있는 게" 에너지적으로 더 안정적이 되는 거예요. 무질서함 자체가 안정성을 만드는 셈이죠. 열역학에 익숙하신 분이라면 깁스 자유에너지에서 -TΔS 항이 커지는 상황이라고 이해하시면 됩니다.

성능이 미친 듯이 좋아요

이렇게 만든 합금들이 보이는 특성이 굉장합니다. 대표적인 CoCrFeMnNi (캔터 합금)은 영하 196도(액체질소 온도)에서 강도와 연성(잘 늘어나는 성질)이 동시에 더 좋아져요. 보통 금속은 차가워지면 부서지기 쉬워지는데, 이건 정반대인 거예요. 우주, 극지, 액화수소 저장 같은 극저온 환경에 환상적이죠.

또 다른 합금들은 1000도 넘는 고온에서도 잘 안 무뎌지고, 강도 대비 무게 비율이 티타늄 합금보다 좋고, 내부식성도 스테인리스보다 뛰어난 경우가 있어요. 그리고 일부 조성은 방사선 손상에도 강해서 차세대 원자로 소재로 연구되고 있습니다.

왜 지금까지 안 만들어졌을까

이쯤 되면 의문이 들죠. 이렇게 좋은데 왜 5천 년간 아무도 안 만들었을까. 두 가지 이유가 있어요.

하나는 "규칙"의 함정입니다. 야금학에는 "두 종류 원소를 섞으면 단단한 화합물이 생긴다"는 휴메-로더리 규칙 같은 게 있었어요. 다섯 종을 섞으면 그 화합물이 "열 가지" 생긴다고 사람들은 추론했죠. 그런데 실제로는 엔트로피가 그걸 막아준다는 걸 아무도 시도해보지 않았던 거예요.

다른 하나는 탐색 공간이 너무 크다는 점이에요. 주기율표에서 금속 원소만 약 60개라고 치면, 5종 조합은 거의 600만 가지가 됩니다. 그리고 각 조합마다 비율을 바꿀 수 있으니 실제 탐색 공간은 사실상 무한대예요. 사람이 하나하나 시도해서는 답이 안 나옵니다.

여기서 IT가 끼어들어요

그래서 최근 고엔트로피 합금 연구는 머신러닝과 결합해서 폭발적으로 진행되고 있어요. DFT(밀도범함수이론) 계산으로 가상의 조성을 시뮬레이션하고, 신경망 모델로 "어떤 조성이 어떤 성질을 보일지"를 예측하고, 실제로는 그 중 유망한 후보만 합성해서 검증하는 식이에요. 신소재 발견의 "AlphaFold 순간" 같은 게 이 분야에서 진행 중인 셈이죠.

국내에서도 KAIST, 서울대, 포스텍 같은 곳이 이 분야에서 세계적 수준의 연구를 하고 있고, 포스코 같은 기업이 산업화 가능성을 타진하고 있어요. 그리고 양자컴퓨팅의 극저온 환경 부품, 차세대 원자로 구조재, 항공기 엔진 블레이드 같은 응용처가 빠르게 늘고 있습니다.

한국 개발자에게 주는 의미

"내가 코드 짜는 사람인데 이게 무슨 상관이지" 싶으실 수 있는데요, 두 가지 차원에서 의미가 있어요.

첫째, 소재과학 + AI 가 앞으로 가장 뜨거운 분야 중 하나가 될 가능성이 높습니다. 그래프 신경망(GNN)으로 원자 구조를 다루는 일, 능동학습(active learning)으로 실험을 추천하는 일, 시뮬레이션 데이터를 다루는 MLOps 같은 영역이 빠르게 커요. 머신러닝 백그라운드가 있는 개발자가 이쪽으로 넘어가는 경로가 점점 잘 닦이고 있습니다.

둘째, 이 이야기 자체가 좋은 교훈이에요. "규칙이라고 알려진 것"이 사실은 시도해보지 않은 것일 수 있다는 점이요. 야금학에서 5천 년간 "섞으면 부서진다"고 믿었던 게 사실은 그냥 안 해본 거였거든요. 소프트웨어에서도 "이건 안 된다"는 통념이 사실은 "그 시점의 도구로는 안 됐다"인 경우가 많아요.