한양대 김경학 교수팀, AI 기반 고엔트로피 소재 합성 예측 기술 개발

고엔트로피 소재 후보 조성 입력하면 합성 가능성 판단
로컬 LLM 기반…외부 서버 없이 연구실 GPU서 구동

한양대 제공

[파이낸셜뉴스] 한양대 연구진이 생성형 인공지능(AI)을 활용해 차세대 소재로 꼽히는 고엔트로피 소재의 합성 가능성을 예측하는 기술을 개발했다. 조합 경우의 수가 방대해 실험에 시간과 비용이 많이 들던 신소재 탐색 과정에서, AI가 실제로 만들 수 있는 후보 물질을 먼저 걸러내는 방식이다.

6일 한양대에 따르면 김경학 화학공학과 교수 연구팀은 대규모 언어 모델(LLM)을 기반으로 고엔트로피 소재의 합성 가능성을 정밀하게 예측하는 기술을 개발했다.

고엔트로피 소재는 여러 원소를 복합적으로 조합해 내구성, 안정성, 촉매 성능 등을 높일 수 있는 소재다. 항공우주, 에너지, 촉매, 반도체 등 다양한 분야에서 활용 가능성이 거론되지만, 가능한 조합이 매우 많아 최적 조성을 찾기 어렵다는 한계가 있었다.

연구팀은 약 32만 개의 무기 화합물 데이터를 학습한 도메인 특화 로컬 LLM을 개발했다. 특정 화학 조성을 입력하면 해당 소재가 실제로 합성 가능한지를 85% 이상 정확도로 예측하도록 설계했다.

이번 기술의 특징은 외부 상용 AI 서비스에 의존하지 않는다는 점이다. 연구팀은 오픈소스 기반 로컬 LLM을 소재 과학 분야에 맞게 미세 조정했고, 4비트 양자화 기술을 적용해 15GB 미만의 그래픽카드 메모리 환경에서도 작동하도록 했다. 이를 통해 연구 데이터를 외부 서버로 보내지 않아도 돼 기술 유출 우려를 줄이고 비용 부담도 낮출 수 있다는 설명이다.

연구팀은 AI가 후보 소재를 추천하고, 실험 결과를 다시 AI 학습에 반영하는 '폐쇄 루프' 연구 방식도 제안했다. 특히 기존 연구에서 활용도가 낮았던 합성 실패 데이터를 학습 자원으로 활용해 예측 성능을 높이는 구조다.

김 교수는 "이번 연구는 유료 AI 서비스에 의존하지 않고도 연구실 자체적으로 고성능 AI 시스템을 구축해 신소재 개발에 성공한 혁신적 사례"라며 "향후 소재의 성능 예측 AI와 강화학습 기술을 연계하여 소재 자율연구 및 무인 연구실 플랫폼 개발을 선도해 나가겠다"라고 밝혔다.

이번 연구는 한국연구재단 영커넥트지원사업과 글로벌센터사업 지원으로 수행됐다. 윤영준 석·박사통합과정생이 제1저자로, 김경학 교수가 교신저자로 참여했으며 논문은 지난 4월 네이처 포트폴리오 학술지 'npj Computational Materials'에 게재됐다.

spring@fnnews.com 이보미 기자