Control of Magnetic Liquid Metal Using Electromagnetic Coil System and Design of Janus Helmholtz Transducer.

Abstract

본 연구는 액체금속의 다양한 응용 가능성에 대해 포괄적으로 조사하였으며, 초기에는 높은 밀도, 낮은 융점, 우수한 전기전도성과 같은 독특한 물리적 특성으로 인해 전통적으로 활용되어 온 수은의 활용에 대해 조사하고, 수은의 비독성 대안으로서 갈륨 기반 액체금속의 전환에 대해 조사하였다. 갈륨 기반 액체금속은 공기 중 노출 시 자연스럽게 표면 산화막이 형성되며, 이 산화막은 기계적 특성 및 계면 거동에 큰 영향을 미친다. 이에 본 연구에서는 산화막의 형성과정, 구조적 특성, 물리화학적 성질을 조사하고, 이를 제어하거나 응용하기 위한 전기화학적 환원, 화학적 처리, 기계적 조작 등의 전략을 고찰하였다. 이러한 이해를 바탕으로, 갈륨 기반 액체금속의 유동성과 전도성을 활용한 소프트 로봇 시스템을 조사하였으며, 특히 자성 입자를 혼합하여 자성을 부여한 자성액체금속 시스템에 주목하였다. 자성액체금속은 외부 자기장을 통해 비접촉 무선 조작이 가능하며, 최소침습 의료기기, 연성 그리퍼, 마이크로 유체 시스템 등 다양한 응용 사례가 보고되고 있다. 하지만 기존 연구는 대부분 영구자석을 수동으로 조작하는 방식에 의존하고 있어 정밀 제어나 프로그램화 측면에서 한계가 있었다. 본 연구에서는 이러한 한계를 극복하기 위해 다중 전자기 코일로 구성된 자기장 제어 시스템을 활용하는 것을 제안하였다. 이러한 시스템은 작업영역 내부의 자기장을 실시간으로 조절할 수 있어 자성 액체금속의 정밀한 제어가 가능함을 시연하였다. 아울러 기존 문헌에서 상대적으로 다뤄지지 않았던 구름(rolling) 기반의 구동 방식을 제안하고 실험을 통해 그 유용성을 입증하였다. 해당 방식은 마찰이 적은 표면이나 윤활층 없이도 자성액체금속의 변형성과 마찰력을 활용하여 복잡한 지형, 경사면, 장애물 등을 효과적으로 이동할 수 있었다. 이를 바탕으로 자성액체금속을 활용한 정밀 전자회로 부품의 이송 및 배치, 나아가 자가 조립 납땜 기법까지 실현하였다. 이러한 시연을 통해 전자기 코일 시스템을 활용한 자성 액체금속 제어 방식의 응용 가능성을 제시하며, 차세대 유연 전자소자, 소프트 로봇, 적응형 제조 시스템 등 다양한 분야로의 확장 가능성을 확인하였다.

한편, Janus-Helmholtz 구조의 수중 음향 트랜스듀서를 대상으로, 저주파에서의 고출력 및 광대역 특성을 동시에 만족하는 최적의 형상 설계를 달성하기 위한 체계적인 최적화 방법을 제안한다. Janus-Helmholtz 트랜스듀서는 구조적으로 두 개의 대칭 질량과 내부 공동을 기반으로 Helmholtz 공명을 유도하는 독특한 구조를 가지고 있으며, 이를 통해 넓은 주파수 대역에서 높은 음향 출력을 생성할 수 있는 가능성을 가진다. 그러나 이러한 구조적 복잡성으로 인해, 설계 변수 간의 상호작용이 비선형적으로 얽혀 있으며, 공진 주파수의 예측이나 설계 최적화에 있어 전통적인 수치 해석 또는 휴리스틱 접근 방식만으로는 효과적인 설계가 어렵다. 이를 해결하기 위해 본 연구에서는 유한요소 해석을 통해 다양한 형상 변수 조합에 따른 송신 전압 감도(Transmitting Voltage Response) 데이터를 수집하고, 이 데이터를 기반으로 한 심층 신경망 모델을 학습시켰다. 총 22만 개 이상의 데이터 포인트를 활용한 이 신경망 모델은 새로운 형상 변수 조합에 대한 TVR을 수 초 이내로 예측할 수 있으며, 유한요소 해석 대비 수천 배 이상의 계산 속도를 제공한다. 학습된 신경망은 전역 탐색 기반 최적화 기법인 유전 알고리즘과 결합되어, 다변수 설계 공간 내에서 이상적인 TVR 특성을 갖는 형상 조합을 자동으로 탐색하도록 구성되었다. 최적화 결과, 목표 주파수 범위(정규화 주파수 1.0 ~ 3.0) 내에서 평균 –20 dB 수준의 출력과 낮은 주파수 응답 변동을 갖는 설계를 도출할 수 있었다. 본 연구는 기계 학습과 전역 최적화 기법의 결합이 복잡한 수중 음향 트랜스듀서의 설계를 획기적으로 개선할 수 있는 가능성을 보여준다. 특히 심층 신경망 기반의 대리 모델을 통해 최적화에 필요한 계산 시간을 대폭 단축하고, 기존 방식으로는 접근이 어려웠던 고차원 설계 공간의 효율적인 탐색이 가능해졌음을 확인하였다. 향후 연구에서는 다목적 최적화(Pareto 최적화 등)를 도입하여 설계 목표 간의 상충 관계를 정량적으로 분석하고, 실제 제작 공정과 운용 환경에서의 제약 조건(크기, 중량, 재료비, 내압 성능 등)을 통합한 최적화 방식을 개발함으로써 보다 실용적인 설계 기술로 발전시킬 수 있을 것이다.|This study presents a comprehensive investigation into the applications of liquid metals, beginning with mercury and extending to gallium-based liquid metals as safer, non-toxic alternatives. While mercury has traditionally been valued for its favorable physical properties, its toxicity necessitates the exploration of replacements. Gallium-based liquid metals, though promising, introduce unique challenges due to their spontaneous formation of a surface oxide layer, which significantly affects their mechanical and interfacial behavior. We analyzed this oxide layer's formation mechanisms, characteristics, and control strategies to facilitate their integration into practical systems. Building on this foundation, we explored the use of gallium- based liquid metals in soft robotics, particularly when combined with magnetic particles to create magnetic liquid metals. These composite materials enable wireless actuation via external magnetic fields. We surveyed recent advances in magnetic liquid metal-based technologies and identified key limitations in control precision and programmability in previous systems that relied on manually operated permanent magnets. We utilized a programmable multi-coil electromagnetic system capable of high-resolution spatial control of magnetic liquid metal droplets to address these issues. In addition, we proposed and experimentally validated a novel rolling- based actuation strategy that enhances the mobility of magnetic liquid metals across complex terrains without requiring low-friction surfaces. This method enabled the precise transport and placement of electronic components, leading to a self-assembling soldering technique in which magnetic liquid metals serve as conductive and structural materials. Overall, our findings demonstrate the multifunctional capabilities of magnetic liquid metals and propose new directions for their use in reconfigurable electronics, soft robotics, and adaptive manufacturing systems. For the design of a Janus-Helmholtz underwater acoustic transducer capable of achieving low-frequency, broadband, and high-power performance, this study proposes a systematic optimization framework. The Janus- Helmholtz transducer features a unique structural configuration that includes two symmetric masses and an internal fluid cavity, which collectively induce Helmholtz-type resonance. This enables the transducer to generate high acoustic output over a wide frequency range. However, due to the structural complexity and strong nonlinear interactions among design parameters, traditional analytical or heuristic design approaches are insufficient for efficient and high-performance optimization. To address this challenge, we first conducted a large-scale set of finite element simulations to generate transmitting voltage response data for various combinations of geometric parameters. Based on this dataset—comprising over 220,000 data points—we trained a deep neural network model capable of accurately predicting the transmitting voltage response in a matter of seconds. The trained model was then coupled with a genetic algorithm to perform global optimization over a high-dimensional design space. The optimization process successfully identified transducer configurations that achieved an average normalized transmitting voltage response of approximately –20 dB with minimal spectral variation within the target frequency band (normalized frequency 1.0 to 3.0). During optimization, several parameters reached the boundary of their initial input ranges, indicating saturation. To resolve this, we iteratively expanded the parameter ranges and repeated the optimization, ultimately obtaining a stable optimal design entirely within the extended bounds. The final design was validated using finite element analysis, confirming its high and flat response across the target band. This study demonstrates the effectiveness of combining machine learning with global optimization for the design of complex underwater acoustic devices. The deep neural network model served as a surrogate, drastically reducing computation time while preserving accuracy, and enabling efficient exploration of a design space that would otherwise be intractable. For future work, incorporating multi-objective optimization techniques—such as Pareto front analysis—and integrating real-world constraints including fabrication limits, material costs, and deployment conditions will be essential for translating these optimized designs into practical engineering solutions.