본문 바로가기 대메뉴 바로가기

인공지능 화학 학습으로 새로운 소재 개발 가능​
조회수 : 1767 등록일 : 2024-10-10 작성자 : 홍보실

(왼쪽부터) 화학과 이억균 명예교수, 화학과 김형준 교수, 화학과 김세준 박사

< (왼쪽부터) 화학과 이억균 명예교수, 화학과 김형준 교수, 화학과 김세준 박사 >

새로운 물질을 설계하거나 물질의 물성을 예측하는 데 인공지능을 활용하기도 한다. 한미 공동 연구진이 기본 인공지능 모델보다 발전되어 화학 개념 학습을 하고 소재 예측, 새로운 물질 설계, 물질의 물성 예측에 더 높은 정확도를 제공하는 인공지능을 개발하는 데 성공했다. 

우리 대학 화학과 이억균 명예교수와 김형준 교수 공동 연구팀이 창원대학교 생물학화학융합학부 김원준 교수, 미국 UC 머세드(Merced) 응용수학과의 김창호 교수 연구팀과 공동연구를 통해, 새로운 인공지능(AI) 기술인 프로핏-(이하 PROFiT-Net)’을 개발하는 데 성공했다고 9일 밝혔다. 

연구팀이 개발한 인공지능은 유전율, 밴드갭, 형성 에너지 등의 주요한 소재 물성 예측 정확도에 있어서 이번 기술은 기존 딥러닝 모델의 오차를 최소 10%, 최대 40% 줄일 수 있는 것으로 보여 주목받고 있다.

그림 1. 화학 기본 개념을 배운 인공지능이 소재의 물성 예측을 하는 모식도

< 그림 1. 화학 기본 개념을 배운 인공지능이 소재의 물성 예측을 하는 모식도 >

PROFiT-Net의 가장 큰 특징은 화학의 기본 개념을 학습해 예측 성능을 크게 높였다는 점이다. 최외각 전자 배치, 이온화 에너지, 전기 음성도와 같은 내용은 화학을 배울 때 가장 먼저 배우는 기본 개념 중 하나다.

그림 2. PROFiT-Net 구조

< 그림 2. PROFiT-Net 구조 >

기존 AI 모델과 달리, PROFiT-Net은 이러한 기본 화학적 속성과 이들 간의 상호작용을 직접적으로 학습함으로써 더욱 정밀한 예측을 할 수 있다. 이는 특히 새로운 물질을 설계하거나 물질의 물성을 예측하는 데 있어 더 높은 정확도를 제공하며, 화학 및 소재 과학 분야에서 크게 기여할 것으로 기대된다. 

김형준 교수는 "AI 기술이 기초 화학 개념을 바탕으로 한층 더 발전할 수 있다는 가능성을 보여주었ˮ고 말했으며 추후 반도체 소재나 기능성 소재 개발과 같은 다양한 응용 분야에서 AI가 중요한 도구로 자리 잡을 수 있는 발판을 마련했다ˮ고 말했다.

그림 3. 다양한 소재 물성 예측에서의 다른 딥러닝 모델 대비 PROFiT-Net의 오차범위

< 그림 3. 다양한 소재 물성 예측에서의 다른 딥러닝 모델 대비 PROFiT-Net의 오차범위 >

이번 연구는 KAIST의 김세준 박사가 제1 저자로 참여하였고, 국제 학술지 `미국화학회지(Journal of the American Chemical Society)' 에 지난 925게재됐다.

(논문명: PROFiT-Net: Property-networking deep learning model for materials, PROFiT-Net 링크: https://github.com/sejunkim6370/PROFiT-Net) 

한편 이번 연구는 한국연구재단(NRF)의 나노·소재 기술개발(In-memory 컴퓨팅용 강유전체 개발을 위한 전주기 AI 기술)과 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업으로 진행됐다.

관련뉴스