[쿠키과학]복잡한 금속유기골격체 재료 해석 '챗MOF' 개발

생성형AI+대규모 언어모델 융합시스템
MOF 예측 성공률 96% 기록

최근 생성형 AI 기술의 급격한 발전에도 물질의 복잡성과 재료별 특화된 훈련 데이터가 부족한 재료과학 분야에서는 한계가 있었다.

KAIST는 생명화학공학과 김지한 교수 연구팀이 챗GPT를 활용해 금속유기골격체(MOF)의 새로운 재료를 자동 생성하는 챗봇시스템(챗MOF)을 개발했다고 26일 밝혔다.

MOF 예측 및 역설계 챗봇 시스템. 사용자가 MOF 속성에 대해 텍스트 질문을 하면 챗MOF에서 적절한 답변을 제공하고, 새로운 MOF 생성에 챗MOF가 조건을 만족하는 새로운 MOF를 생성해 제시한다. KAIST

MOF는 큰 다공성, 높은 표면적, 뛰어난 조절 가능성으로 많은 화학 응용분야에 많은 활용가치를 갖는다.

연구팀이 개발한 챗MOF는 재료분야에 전통 머신러닝 모델과 대규모 언어모델(LLMs)을 결합해 MOF 특성을 예측하고 새로운 재료를 자동 생성하는 시스템으로, AI의 변혁적 능력과 재료과학의 복잡한 측면을 연결한 것이 특징이다.

또 챗MOF는 MOF의 물성을 검색하거나, 머신러닝으로 예측해  답변하는 구조로, 사용자가 원하는 물성을 갖는 MOF를 역설계할 수 있는 능력도 갖췄다.

챗MOF는 사용자 질문에 문제 해결 계획을 세우고, 이에 필요한 적절한 도구를 선택한다.

이어 도구에서 얻은 결과를 LLMs에 적용해 질문에 답을 줄 수 있는지 판단, 답변할 수 없으면 문제해결 계획을 다시 수립하는 방식으로 최적안을 도출한다.

이를 통해 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%에 이르는 성공률을 기록했고, 복잡한 구조생성 작업에서도 정확도 87.5%를 달성했다.

MOF 예측 및 역설계 챗봇시스템 개요. ChatMOF 에이전트가 사용자 질문에 계획을 수립하고 적합한 도구를 선택해 제안된 계획에 따라 출력을 생성한다. KAIST

김 교수는 “이번 개발은 재료과학 분야에서 AI의 더 높은 자율성을 달성하기 위한 중요한 진전”이라며 “모델 용량과 온라인 플랫폼 데이터 공유의 체계적 개선으로 성능을 최적화하면 금속 유기골격체 연구분야에서 놀라운 진전을 이룰 것”이라고 설명했다.

한편 이번 연구는 KAIST 생명화학공학과 강영훈 박사과정이 제1저자로 참여했고, 연구결과는 국제학술지 `네이처 커뮤니케이션즈' 지난 6월 3일자에 게재됐다. 

대덕특구=이재형 기자 jh@kukinews.com