KAIST, 소재 역설계 적용..DB에 없는 신물질 발견
AI(인공지능)을 이용해 원하는 물성을 지닌 소재를 찾을 수 있는 길이 열렸다.
KAIST는 정유성 교수(생명화학공학과) 교수 연구팀이 AI 생성모델인 '적대적 생성 신경망(GAN)'을 기반으로 숨겨진 새로운 물질을 예측하는 기술을 개발했다고 27일 밝혔다.
소재 연구의 궁극적 목표는 원하는 물성을 갖는 소재를 발견하는 것이다. 하지만, 무기화합물의 경우 모든 조성과 결정 구조를 고려할 때 무한대에 가까운 경우의 수를 모두 탐색하긴 쉽지 않다.
이를 위해 컴퓨터 스크리닝 기술을 이용한 소재 탐색방법이 널리 쓰이고 있지만, 찾고자 하는 소재가 스크리닝 후보군에 포함돼 있지 않으면 유망한 신물질을 놓칠 수 밖에 없다.
연구팀은 데이터 학습을 통해 특정한 물성을 갖도록 소재의 구조를 역(逆)으로 찾아가는 '소재 역설계' 방법으로 기존 데이터베이스에 존재하지 않는 신물질을 발견할 수 있었다.
이 소재 역설계를 통해 수소생산 촉매로 활용할 수 있는 '마그네슘-망간-산화물 기반의 광촉매 물질'의 결정구조를 예측하는 데 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 해 기존에 알려지지 않은 23종에 달하는 우수한 광촉매 물질을 찾아낸 것이다.
정유성 KAIST 교수는 "원하는 조성을 제어해 숨어 있는 화학공간을 효율적으로 탐색해 물질을 설계할 수 있어 다양한 소재 발굴에 활용될 것"이라고 말했다.
이 연구결과는 미국화학회지가 발행하는 국제 학술지 'ACS 센트럴 사이언스(8월호)'에 실렸으며, 과기정통부와 연구재단의 지원을 받아 연구가 수행됐다.이준기기자 bongchu@dt.co.kr
정유성 교수(사진 왼쪽부터), 김성원 박사과정, 노주환 박사과정 등이 AI를 이용해 새로운 물질을 예측하는 기술을 개발했다.
KAIST 제공
KAIST는 정유성 교수(생명화학공학과) 교수 연구팀이 AI 생성모델인 '적대적 생성 신경망(GAN)'을 기반으로 숨겨진 새로운 물질을 예측하는 기술을 개발했다고 27일 밝혔다.
소재 연구의 궁극적 목표는 원하는 물성을 갖는 소재를 발견하는 것이다. 하지만, 무기화합물의 경우 모든 조성과 결정 구조를 고려할 때 무한대에 가까운 경우의 수를 모두 탐색하긴 쉽지 않다.
이를 위해 컴퓨터 스크리닝 기술을 이용한 소재 탐색방법이 널리 쓰이고 있지만, 찾고자 하는 소재가 스크리닝 후보군에 포함돼 있지 않으면 유망한 신물질을 놓칠 수 밖에 없다.
연구팀은 데이터 학습을 통해 특정한 물성을 갖도록 소재의 구조를 역(逆)으로 찾아가는 '소재 역설계' 방법으로 기존 데이터베이스에 존재하지 않는 신물질을 발견할 수 있었다.
이 소재 역설계를 통해 수소생산 촉매로 활용할 수 있는 '마그네슘-망간-산화물 기반의 광촉매 물질'의 결정구조를 예측하는 데 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 해 기존에 알려지지 않은 23종에 달하는 우수한 광촉매 물질을 찾아낸 것이다.
정유성 KAIST 교수는 "원하는 조성을 제어해 숨어 있는 화학공간을 효율적으로 탐색해 물질을 설계할 수 있어 다양한 소재 발굴에 활용될 것"이라고 말했다.
이 연구결과는 미국화학회지가 발행하는 국제 학술지 'ACS 센트럴 사이언스(8월호)'에 실렸으며, 과기정통부와 연구재단의 지원을 받아 연구가 수행됐다.이준기기자 bongchu@dt.co.kr
KAIST 제공
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
