소재 발굴 AI로 세상에 없던 220만개 결정구조 찾아내
ㅣ데일리포스트=김정은 기자ㅣ구글 인공지능(AI) 연구 부문인 구글 딥마인드(DeepMind)가 자사 AI를 통해 220만개 이상의 새로운 결정 구조를 찾아냈다. 신소재 개발 과정이 획기적으로 단축될 수 있을지 기대감이 높아지고 있다.
딥마인드 연구팀은 "이론적으로는 안정적이지만 실험적으로 실현되지 않았던 결정구조의 조합을 분석한 결과, 재료과학 역사상 지금까지 발견된 결정 구조(약 4만8000개)의 45배 이상 많은 양이 발견됐다"고 주장했다.
컴퓨터 칩·배터리·태양 전지판에 이르기까지 현대 기술은 무기 결정(inorganic crystal)에 의존하고 있다. 새로운 기술을 실현하려면 결정이 안정적이어야 하는데, 분해 가능성이 없는 안정적 결정을 얻기까지는 수개월에 걸친 정밀한 실험 과정이 필요하다.
구글 딥마인드 연구팀은 11월 30일(현지시간) 국제학술지 네이처(Nature)에 발표한 논문에서 220만개의 새로운 결정 구조를 발견했다고 보고했다.
이번 발견에는 안정성 예측을 통해 신소재 발견 속도와 효율을 극적으로 향상시킨 딥러닝 도구 '물질 탐색용 그래프 네트워크'(GNoME·Graph Networks for Materials Exploreration)를 이용했다.
연구팀에 따르면 새롭게 발견한 결정 구조는 총 220만개로, 이 가운데 약 38만개가 구조적으로 안정적일 것으로 기대되고 있다. 결정구조 대부분은 기존의 화학 지식에서 나올 수 없는 구조이며, 이 중에는 초전도체·슈퍼컴퓨터·차세대 배터리 등 혁신적인 기술로 이어질 가능성을 내포한 신소재도 포함되어 있다.
논문 공저자인 에킨 도구스 추벅(Ekin Dogus Cubuk) 연구원은 "나에게 재료 과학이란 기본적으로 추상적인 사고와 물리적 우주가 만나는 장소다. 더 뛰어난 재료가 있으면 그 어떤 기술도 향상될 수 있다"고 언급했다.
최첨단 그래프 신경망(GNN) 모델인 GNoME는 머신러닝을 통해 우선 후보가 될 구조를 생성한 뒤, 해당 구조의 안정성을 평가함으로써 새로운 결정 구조를 특정하는 방식을 취한다.
딥마인드는 GNoME 모델을 소재 데이터베이스(DB)의 방대한 자료를 학습시켰으며, 성능 향상을 위해 AI 액티브 러닝(능동학습, Active Learning) 방식을 채택했다.
GNoME는 물리학·화학·재료공학에서 사용되는 밀도범함수이론(DFT)으로 알려진 확립된 계산기술을 사용해 결정 구조의 성능을 반복적으로 점검하고 그 결과를 다시 학습해 비율 재조합 등의 과정을 거쳐 신물질을 찾아낸다.
연구팀은 "과거 10년간 재료과학계가 발견한 안정적인 물질의 수가 2만 8000개라는 점을 고려할 때, GNoME를 이용한 신소재 발견은 800년분의 성과에 상당한다"고 강조했다.
딥마인드는 향후 신소재 발견의 획기적 발전을 위해 연구 커뮤니티와 데이터를 공유할 방침이다.