“AI, 세상에 없는 신소재 제시”… 단순 계산도구 아닌 ‘연구자 두번째 두뇌’

KAIST, AI 기반 촉매 탐색 플랫폼 관련 전략 제시
신소재 발견·개발·최적화 전 과정 AI 활용 로드맵

홍승범(왼쪽 두번째) KAIST 교수 연구진.

인공지능(AI)가 신소재 연구의 혁신적 플랫폼으로서 효용 가치를 높이고 있다는 연구결과가 나왔다. AI가 연구자의 ‘두 번째 두뇌’처럼 신소재 분야의 아이디어 발굴부터 실험 검증까지 연 전 과정에서 연구 생산성과 효율성을 높일 수 있다는 것이다.

KAIST는 홍승범 신소재공학과 교수 연구팀이 미국 드렉셀대, 노스웨스턴대, 시카고대, 테네시대 등과 국제 공동연구를 통해 AI 기반으로 자율 연구실을 구축하고, 로봇이 촉매 합성 실험을 수행하는 ‘AI 기반 촉매 탐색 플랫폼’을 신소재 연구 전 주기에 활용하는 전략을 제시했다고 26일 밝혔다.

AI가 신소재 발견-개발-최적화 등 각 단계에서 혁신을 이끄는 개념도. KAIST 제공.

연구팀은 신소재 연구를 ‘발견-개발-최적화’ 등 세 단계로 나누고, 각 단계에서 AI가 수행하는 역할을 구체적으로 소개했다.

우선 소재 발견 단계에서 AI가 새로운 구조 설계와 물질 성질을 예측한 뒤 가장 유망한 후보 물질을 신속히 찾아낸다. 이어 개발 단계에서는 실험 데이터 분석 및 자율 실험 시스템 구축을 통해 AI가 실험 과정을 자동 조정해 연구 기간을 단축한다.

최적화 단계에서는 AI가 최적 조건을 학습하는 ‘강화학습’과 적은 실험으로 가장 우수한 결과를 찾아내는 ‘베이지안 최적화’ 기술을 활용해 설계와 공정 조건을 자동으로 조정하고 성능을 높인다.

AI가 수많은 재료 중에서 가능성 있는 후보를 먼저 추천하고, 실험 과정의 시행착오를 줄이며, 심지어 스스로 실험 조건을 조절해 최적의 후보 물질을 제시한다고 연구팀은 설명했다.

연구팀은 또한 논문에서 생성형 AI, 그래프 신경망(GNN), 트랜스포머 모델 등이 AI를 단순한 계산 도구가 아닌 ‘생각하는 연구자’로 변화시키고 있다고 분석했다.

논문은 연구자가 직접 실험 장비를 조작하지 않아도 AI가 실험 계획을 세우고 결과를 분석해 다음 실험 방항까지 제안하는 ‘자율 실험실’과 AI가 촉매 합성 실험을 자동으로 설계 ·최적화하고 로봇이 수행하는 ‘AI 기반 촉매 탐색 플랫폼’을 심층적으로 다뤘다.

다만, AI가 제시하는 결과가 항상 정답이 아니며, 데이터 품질 불균형과 예측 결과 해석의 어려움, 서로 다른 데이터 통합 등은 앞으로 해결해야 할 과제라는 점을 지적했다.

홍 교수는 “이번 연구는 AI가 단순한 도구를 넘어 신소재공학의 새로운 언어이자 사고방식으로 자리 잡고 있음을 보여준다”며 “이번에 제시한 로드맵은 배터리와 반도체, 에너지 소재 등의 분야 연구자들에게 중요한 방향을 제시할 것”이라고 말했다.

이 연구결과는 국제 학술지 ‘ACS 나노’에 지난 8월 실렸다.

이준기 기자 bongchu@dt.co.kr