KAIST, 신개념 화학 AI 모델 '프로핏-넷' 개발
딥러닝 모델 대비 오차 40% 줄여, 소재 개발 활용
새로운 물질을 설계하거나 물질의 물성 예측을 높은 정확도로 수행하는 AI 기반 소재 설계기술이 개발됐다.
KAIST는 이억균 화학과 명예교수와 김형준 교수 연구팀이 김원준 창원대 교수, 김창호 미국 UC머세드대 교수 연구팀과 공동으로 AI를 바탕으로 소재 예측, 새로운 물질 설계, 물질의 물성 예측 등에 활용할 수 있는 '프로핏-넷'(PROFiT-Net)을 개발했다고 9일 밝혔다.
새로운 소재 개발을 가속화하기 위해선 AI 기술이 재료의 특성을 정확하게 예측할 수 있도록 발전시켜야 한다.
연구팀은 다양한 소재의 결정 구조뿐만 아니라 원소의 특성과 원자가 전자 구성정보를 추가적으로 표현해 AI 성능을 획기적으로 향상시킨 기술을 개발했다. 이 기술은 화학의 기본개념에 해당하는 최외각 전자배치, 이온화 에너지, 전기 음성도 등과 이들 간의 상호 작용을 학습해 예측 성능을 크게 높였다. 특히 새로운 물질을 설계하거나 물질의 물성을 예측하는 데 더 높은 정확도를 나타냈다.
이 기술은 유전율(물질에 전기장을 걸 때 전기장이 변하는 비율), 밴드갭(전류를 흐르게 하는데 필요한 최소한의 에너지 값), 형성에너지 등 소재의 물성 예측에 있어서 기존 딥러닝 모델보다 오차를 적게는 10%에서 최대 40%까지 줄일 수 있다고 연구팀은 설명했다.
김형준 교수는 "AI 기술이 기초 화학 개념을 바탕으로 더 발전할 수 있다는 가능성을 보여줬다"며 "반도체 소재나 기능성 소재 개발 등 다양한 분야에 활용할 수 있을 것"이라고 말했다.
이 연구결과는 국제 학술지 '미국화학회지(지난달 25일자)'에 실렸다. 이준기기자 bongchu@dt.co.kr
화학 기본 개념(왼쪽)을 배운 AI가 다양한 소재(오른쪽)의 물성을 예측하는 모식도. KAIST 제공
