본 논문은 엔지니어링 분야의 인공지능(AI4E) 적용 시 발생하는 두 가지 주요 문제점(양질의 데이터 부족, 블랙박스 모델의 해석 불가능성)을 해결하기 위한 연구를 제시한다. 특히 항공우주와 같은 안전 관련 산업에서 중요하게 고려되는 이 문제들을 해결하기 위해, 물리학적 지식과 전문가 지식을 활용하는 설명 가능한 소량 데이터 기반의 AI4E 프레임워크를 개발했다. K439B 초합금 주조품 수리 용접 사례에서 32개의 실험 샘플을 기반으로, 3단계의 프로토콜을 통해 물리적으로 타당한 합성 데이터를 생성하고, 기호적 회귀와 미분 진화를 결합한 중첩 최적화 전략을 사용하여 해석 가능한 구성 방정식을 도출했다. 이 방정식은 열간 균열 경향 예측에서 88%의 정확도를 보이며, 예측뿐만 아니라 열, 기하학적, 야금학적 메커니즘 간의 관계를 밝혀 엔지니어의 이해도를 높인다. 또한, 공정 최적화 및 고품질 가상 데이터 생성을 위한 도구로 활용되어 다른 데이터 기반 모델의 정확성을 향상시키는 데 기여한다.
