KAIST "인공지능 이용해 다공성 물질 세계 첫 설계"

김지한 교수팀 개가...국제학술지 게재

KAIST(총장 신성철)는 생명화학공학과 김지한 교수 연구팀이 인공지능(AI)을 활용해 원하는 물성의 다공성 물질을 역설계하는 방법을 개발했다고 7일 밝혔다.

김백준, 이상원 박사과정이 공동 1 저자로 참여한 이번 연구결과는 국제 학술지 '사이언스 어드밴시스(Science Advances)' 1월 3일 자 온라인판에 게재됐다. (논문명: Inverse Design of Porous Materials Using Artificial Neural Networks)

다공성 물질은 넓은 표면적과 풍부한 내부 공극(孔劇)을 가지고 있어 촉매, 기체 저장 및 분리, 센서, 약물 전달 등 다양한 분야에서 활용되고 있다.

기존에는 이러한 다공성 물질을 개발하기 위해 반복적 실험을 통한 시행착오로 시간과 비용이 많이 소모됐다. 이러한 낭비를 줄이기 위해 가상 구조를 스크리닝해 다공성 물질 개발을 가속화 하려는 시도들이 있었지만, 데이터베이스에 존재하지 않는 새로운 구조를 발견하지 못한다는 문제가 있었다.

연구 참여자들이 연구 내용을 이야기하고 있다.

최근에는 인공지능 기반의 역설계로 원하는 물성을 가진 물질을 개발하는 연구가 주목받고 있지만, 지금까지의 연구들은 단순한 소형 분자들 위주로 적용되고 있고, 복잡한 다공성 물질을 설계하는 연구는 보고되지 않았다고 KAIST는 설명했다.

김지한 교수 연구팀은 인공지능 기술과 분자 시뮬레이션 기술을 활용해 다공성 물질의 한 종류인 제올라이트 구조를 설계하는 방법을 개발했다.

연구팀은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)과 기존 분자 시뮬레이션에서 활용되는 3차원 그리드 데이터를 활용해 복잡한 다공성 물질의 특성을 인공지능이 학습하고 생성할 수 있도록 구조를 개발했다.

개발한 인공신경망 생성모델은 3차원 그리드로 이루어진 구조 정보와 흡착 물성 데이터를 같이 학습하게 되며, 학습 과정 안에서 흡착 물성을 빠르게 계산할 수 있다. 이를 통해 에너지 저장 소재의 특성을 효율적으로 학습할 수 있음을 증명했다고 KAIST는 밝혔다.

또, 연구팀은 인공지능 학습 과정에서 기존의 알려진 제올라이트 구조 중 일부를 제외해 학습시켰고, 그 결과 인공지능이 학습하지 않았던 구조들도 생성할 수 있음을 확인했다고 덧붙였다.

김지한 교수는 “인공지능을 이용해 다공성 물질을 설계한 최초의 사례다”며 “기체 흡착 용도에 국한된 것이 아니라 다른 물성에도 쉽게 적용할 수 있어 촉매, 분리, 센서 등 다른 분야의 물질 개발에도 활용될 것으로 기대한다”고 말했다.

이번 연구는 BK21, 한국연구재단 중견 연구자 지원 사업과 에너지 클라우드 사업단 지원을 받아 수행했다.

인공지능 기반 다공성 물질(제올라이트) 생성 개요도.