‘인공지능(AI) 연금술’ 향해
  • 연구에서 제안한 방법을 활용한 다원소 합금의 결정구조 분류 모듈 모식도.ⓒ포스텍
    ▲ 연구에서 제안한 방법을 활용한 다원소 합금의 결정구조 분류 모듈 모식도.ⓒ포스텍
    POSTECH(포항공과대학교, 총장 김무환) 화학과 심지훈 교수·진태원 박사(제1저자, 현재 KAIST) 연구팀과 인공지능대학원 박재식 교수는 공동연구를 통해 거대한 훈련 데이터 없이 확장가능 인자로 다원소 합금의 결정구조를 예측할 수 있는 시스템을 개발했다. 

    이번 연구는 국제학술지 ‘사이언티픽 리포트(Scientific Reports)’에 최근 게재됐다. 고체는 결정구조에 따라 특정 성질이 결정된다. 

    결정구조는 같지만, 화학조성이 일정한 범위에서 연속적으로 변화하는 소재인 고용체 고엔트로피 합금의 경우 결정상에 의해 강도(剛度)나 연성(延性) 같은 기계적 특성이 달라진다. 그러므로 물질의 결정구조를 예측하는 것은 새로운 기능성 물질을 찾는 데 결정적인 역할을 한다. 

    최근에는 기계학습을 통해 결정구조를 예측하는 방법이 연구되고 있지만 여기에는 훈련에 필요한 데이터를 준비하기까지 막대한 비용이 소요된다.

    연구팀은 80% 이상의 데이터를 훈련과정에 사용하는 기존의 인공지능 모델 대신 확장 가능 인자와 이원소 합금 데이터를 통해 고엔트로피 합금의 결정구조를 예측하는 인공지능 모델을 설계했다. 

    이는 이원소 합금의 결정구조 데이터만으로 훈련한 인공지능 모델로 고엔트로피 합금을 포함한 다원소 합금의 결정구조를 예측한 첫 연구다.

    연구팀은 실험을 통해 다원소 합금 데이터가 훈련과정에 관여하지 않았음에도 다원소 합금의 결정상이 80.56%의 정확도로 예측하는 것을 확인했다. 

    고엔트로피 합금의 경우 84.20%의 정확도로 예측됐다. 연구팀이 개발한 방법에 따르면 기존 연구와 비교해 약 1000배 정도의 계산 비용을 절약할 수 있는 것으로 예상된다.

    심지훈 교수는 “신소재 개발을 위해 인공지능 방법론을 적용하기 위해서는 거대한 데이터셋이 요구된다”며 “이번 연구를 통해 거대한 데이터셋 확보 없이 첨단 소재의 결정구조를 효과적으로 예측할 수 있게 됐다는 점에서 의미가 있다”고 설명했다.

    한편, 한국연구재단, POSTECH 인공지능대학원 정보통신기획평가원, SRC 양자 동력학 연구센터의 지원으로 수행됐다.