플라스틱산업 사출 / 압출 / 금형 /원료

사진. 한국화학연구원

최근 배터리, 반도체 등 다양한 산업 분야에서 첨단 소재는 매우 중요하다. 원하는 소재를 합성하려면 중간 물질을 먼저 찾아야 하는데, 많은 비용이 드는 반복적인 실험 없이 인공지능(AI)을 활용해 찾으려는 수요가 높다. 이에 한국화학연구원이 목적 물질의 화학식 정보만으로 합성에 필요한 최종 재료 물질을 예측하는 인공지능 방법론을 제시했다. 이를 통해 소재 합성 전 과정에 대한 자동화 기술을 상용화할 수 있을 것으로 보인다. 

합성 반응 쉽게 일어나는 전구체 찾아낸다
한국화학연구원 나경석 선임과 한국과학기술원 박찬영 교수 연구팀은 공동연구를 통해 목적 물질의 화학식 정보만으로 합성에 필요한 최종 재료 물질(전구체 물질)을 예측하는 인공지능 방법론을 개발했다.

연구팀이 개발한 이 방법론은 X라는 목적 물질의 화학식만으로, 이를 만들기 위해 필요한 전구체 물질 A, B, C, …등을 역방향으로 예측해내는 새로운 인공지능 방법이다.

화학연은 앞서 복잡한 코딩이나 서버 구축 과정 없이 물질 합성에 필요한 정보들을 인공지능으로 예측해주는 ‘ChemAI’ 플랫폼을 개발해 2022년 기술이전 한 바 있다. 

이번 기술은 기존 예측 기술의 발전을 가로막았던 무기 소재의 복잡한 3차원 구조, 즉 원자 구조나 결합 정보 등을 요구하지 않는다. 대신 어떤 원소들이 얼마나 포함되어 있는지 종류와 비율을 살핀다. 그리고 이런 원소들과 목적 물질 간 열역학적 형성 에너지 차이를 계산해, 합성 반응이 더 쉽게 일어나는 전구체를 찾아낸다.

범용적으로 전구체 물질을 예측 가능
전구체 물질 예측의 정확도를 높이기 위해 화학 데이터에 특화된 심층 인공신경망을 구성했다. 심층 인공신경망은 약 2만 건의 논문에 보고된 소재 합성 과정 및 전구체 물질에 대한 정보를 모두 학습했다. 

이후 AI 학습과정에서 보여준 적 없는 약 2,800건의 물질 합성 실험을 대상으로 합성에 필요한 전구체 물질을 예측한 결과, 대략 10번의 시도 중 8번 이상 성공했다. 또한 그래픽 처리장치(GPU) 가속을 통해 약 100분의 1초 이내의 매우 짧은 시간 만에 전구체 물질을 예측했다.

연구팀은 앞으로 화학연 연구사업을 통해 학습 데이터셋을 확장하여 전구체 물질 예측 정확도를 90% 이상 높인 후, 2026년경 웹 기반 공공 서비스 구축을 계획하고 있다. 또한 추가 연구를 통해 목적 물질의 화학식을 제공하면 전구체 물질 뿐만 아니라, 소재 합성 과정까지 모두 예측해주는 “인공지능 기반 소재 역합성 완전 자동화”도 기대 중이다.

연구진은 “기존의 전구체 물질 예측 AI는 특정 물질 종류에만 적용이 가능했는데, 이번 연구를 통해 목적 물질의 종류에 상관없이 범용적으로 전구체 물질을 예측할 수 있게 된 점이 차별성”이라고 말했다. 또한 화학연 이영국 원장은 “신소재 개발이 필요한 다양한 산업 분야의 연구 효율 향상에 기여할 것으로 기대한다”라고 말했다.