화학硏·KAIST, 전구체 물질 예측 방법론 개발

(대전=연합뉴스) 박주영 기자 = 한국화학연구원 나경석 선임연구원과 한국과학기술원(KAIST) 박찬영 교수 연구팀은 인공지능(AI)을 이용해 높은 정확도로 전구체 물질(목표 물질을 만드는 데 필요한 최종 재료 물질)을 예측할 수 있는 방법론을 개발했다고 12일 밝혔다.

최근 배터리·반도체 등 다양한 산업 분야에서 AI를 활용해 신소재 합성을 위한 중간물질을 발굴하기 위한 연구가 시도되고 있지만 무기 소재에 대한 연구는 상대적으로 부족했다.

금속 등 무기 화합물은 구조가 복잡하고 원소가 다양해 합성 경로를 찾기 어렵기 때문이다.

연구팀은 무기 소재의 복잡한 3차원 구조를 파악하지 않고도 어떤 원소들이 얼마나 포함돼 있는지 종류와 비율을 분석해 합성 반응이 더 쉽게 일어나는 전구체를 찾아낼 수 있는 기술을 개발했다.

연구팀은 2만여 건의 논문에 보고된 소재 합성 과정과 전구체 물질에 대한 정보를 학습시켜 화학 데이터에 특화된 심층 인공신경망을 구성했다.

이어 2천800여건의 물질 합성 실험을 대상으로 80%의 정확도로 합성에 필요한 전구체 물질을 예측해 냈다.

그래픽 처리장치(GPU) 가속을 통해 100분의 1초 안에 예측하는 데 성공했다.

연구팀은 앞으로 학습 데이터셋을 확장, 전구체 물질 예측 정확도를 90% 이상 높여 내년까지 웹 기반 공공 서비스 구축을 목표로 하고 있다.

또 전구체 물질뿐만 아니라 소재 합성 과정까지 모두 예측해주는 '인공지능 기반 소재 역합성 완전 자동화' 기술 개발도 추진한다.

이번 연구 성과는 지난해 12월 인공지능 분야 권위 있는 학회인 신경정보처리시스템학회(NeurIPS)에 실렸다.

jyoung@yna.co.kr