국내 연구진이 생성형 인공지능(AI)인 챗GPT에 적용된 시스템을 활용해 다공성 소재의 물성을 예측하는 기술을 세계 최초로 개발했다.
한국과학기술원(KAIST)은 김지한 생명화학공학과 교수 연구팀이 세계 최초로 멀티모달 트랜스포머를 적용한 AI를 통해 다공성 소재의 다양한 물성을 예측하는 기술을 개발했다고 5일 밝혔다. 멀티모달 트랜스포머는 서로 다른 형태의 정보를 효율적으로 결합하도록 설계된 신경망 모델로 챗GPT와 같은 생성형 AI에 쓰였다.
다공성 소재는 넓은 공극과 표면 면적을 지니고 있어, 가스 흡착, 분리, 촉매 등 다양한 에너지 및 환경 분야에서 적용된다. 다공성 소재의 한 종류인 금속 유기 골격체(MOF)는 표면 면적이 무한대에 가까워 이로부터 최적의 물질을 추출하고 그 특성을 연구하는 데 AI를 활용하려는 연구가 활발히 진행되고 있다. 그러나 기존 AI 성능으로 이를 분석하기는 어려웠다.
이에 김 교수 연구팀은 멀티모달 트랜스포머를 고도화해 다공성 소재의 모든 성능을 예측할 수 있는 인공 신경망을 개발했다. 연구팀이 개발한 AI는 원자 단위 정보를 그래프로, 결정성(물질 입자가 규칙적으로 배열된 상태) 단위 정보를 3차원(3D) 그림으로 바꿔 스스로 학습하는 식으로 작동한다. 덕분에 다양한 물성을 한꺼번에 갖고 있는 금속 유기 골격체를 높은 정확도로 분석할 수 있게 됐다.
연구팀이 다공성 소재 100만개로 AI를 사전학습시킨 결과 기존 모델들보다 최대 28% 높은 확률로 물성을 예측하는 데 성공했다. 이번 기술로 물질의 특성을 계산 및 예측하는 새로운 방법론이 나오면서 신소재 설계와 개발이 촉진될 것으로 기대된다.
이번 연구 성과가 담긴 논문은 국제 학술지 ‘네이처 머신 인텔리전스’에 지난달 13일자로 게재됐다.
참고자료
Nature Machine Intelligence, DOI: https://doi.org/10.1038/s42256-023-00628-2
