KAIST, 챗GPT ‘트랜스포머’로 물성 예측…새 소재 설계·개발 기여

세계 최초로 개발

멀티모달 트랜스포머를 이용한 범용적 물성 예측 개요. (KAIST 제공) /뉴스1

(대전ㆍ충남=뉴스1) 김태진 기자 = 한국과학기술원(KAIST)은 생명화학공학과 김지한 교수 연구팀이 세계 최초로 멀티모달(multi-modal) 트랜스포머를 적용한 인공지능(AI)을 통해 다공성 소재의 다양한 물성을 예측하는 기술을 개발했다고 5일 밝혔다.

멀티모달 트랜스포머는 비디오 프레임과 오디오 트랙, 웹 이미지와 캡션, 교육용 비디오와 음성대본과 같이 서로 다른 형태의 정보를 효율적으로 결합하도록 설계된 신경망 모델의 일종이다.

연구팀은 챗GPT에서 사용된 모델인 트랜스포머를 다공성 소재에 도입해 모든 성능을 예측할 수 있는 멀티모달 인공신경망을 개발했다.

멀티모달은 사진(이미지)과 설명(자연어)같이 서로 다른 형태의 데이터를 함께 학습하며, 이는 인간과 비슷하게 입체적이고 종합적인 사고를 할 수 있도록 도와준다.

연구팀이 개발한 멀티모달 트랜스포머는 원자단위의 정보를 그래프로 표현하고 결정성단위의 정보를 3차원 그림으로 전환 후 함께 학습하는 방식이다.

이는 다공성 소재의 물성 예측의 한계점이었던 다양한 물성에 대한 전이학습을 극복하고, 모든 물성에서 높은 성능으로 물성을 예측할 수 있다.

연구팀은 다공성 소재를 위한 트랜스포머를 개발해 100만 개의 다공성 소재로 사전학습을 진행했으며 다공성 소재의 가스흡착, 기체확산, 전기적 특성 등의 다양한 소재의 물성을 기존에 발표된 머신러닝 모델들보다 모두 더 높은 성능으로(최대 28% 상승) 예측하는 데 성공했다.

또 논문으로부터 추출된 텍스트 데이터에서도 역시 높은 성능으로 예측하는 성과를 냈다.

기술은 물질의 특성을 계산 및 예측하는 새로운 방법론을 제시했으며, 이를 통해 소재 분야에서 새로운 소재의 설계와 개발에 도움이 될 뿐 아니라 기존 소재에 대한 깊은 이해를 얻을 수 있을 것으로 기대된다.

이번 연구는 과학기술정보통신부의 지원으로 국가 소재연구 데이터사업단, 그리고 한국연구재단(NRF) 중견 연구자 지원 사업의 지원을 받아 수행됐다.

KAIST 생명화학공학과 강영훈, 박현수 박사과정이 공동 제1 저자로 참여한 이번 연구의 결과는 국제학술지 `네이처 머신 인텔리전스'에 지난달 13일 게재됐다.

memory4444444@news1.kr