KAIST, AI로 숨겨진 소재 찾는 기술 개발

↑ 정 교수 연구팀이 개발한 조성-조건 기반 고체 결정구조 생성모델. [사진 제공 = KAIST]

인공지능(AI)이 숨겨진 소재 공간을 탐색해 숨겨진 새로운 물질을 예측하는 기술이 개발됐다.
27일 한국과학기술원(KAIST)은 정유성 생명화학공학과 교수 연구팀이 AI를 활용해 새로운 유망 수소생산 촉매 신소재를 역설계했다고 밝혔다. 이는 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법으로 여러 소재 응용 분야에서 활용이 기대되는 기술이다. 물성은 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말이다.
정유성 교수 연구팀이 개발한 소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 소재 역설계란 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법이다. 특히 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다.
이번 정 교수 연구팀의 성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다.
정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다.
이번 연구를 주도한 정 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다"며 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다"고 말했다. 한편 이번 연구 성과는 미국화학회(ACS)가 발행하는 국제학술지 'ACS 센트럴 사이언스(Central Science)' 최근호에 실렸다.
[이종화 기자]