김지한 카이스트 교수 연구팀 세계 최초
가스흡착 촉매 등 환경분야 적용 가능

국내 연구진이 스펀지 등 다공성 소재의 다양한 물성을 예측하는 학습모델을 생성형 인공지능(AI)인 챗GPT를 활용해 세계 최초로 개발했다.

김지한 카이스트 생명화학공학과 교수. 카이스트 제공

김지한(사진) 한국과학기술원(카이스트) 생명화학공학과 교수 연구팀이 세계 최초로 멀티모달 트랜스포머를 적용한 AI를 통해 다공성 소재의 다양한 물성을 예측하는 기술을 개발했다고 5일 밝혔다.

멀티모달 트랜스포머는 비디오 프레임과 오디오 트랙, 웹 이미지와 캡션, 교육용 비디오와 음성 대본과 같이 서로 다른 형태의 정보를 효과적이고 효율적으로 결합하도록 설계된 신경망 모델의 일종이다.

다공성 소재는 넓은 공극과 표면 면적을 지니고 있어, 가스 흡착, 분리, 촉매 등 다양한 에너지 및 환경 분야에 적용된다. 다공성 소재 중 한 종류인 금속 유기 골격체(MOF)는 무한대에 가까운 경우의 수를 갖는 넓은 물질 공간 안에 존재해 AI를 사용해 최적의 물질을 추출하고 특성을 예측하려는 연구가 활발히 진행되고 있다. 그러나 이러한 모델들은 대부분 특정한 물성 한 종류만 학습할 수 있으며, 모든 재료 특성에 보편적으로 적용할 수 없다는 단점이 존재한다.

김 교수 연구팀은 챗GPT에서 사용된 모델인 트랜스포머를 다공성 소재에 도입해 모든 성능을 예측할 수 있는 멀티모달 인공 신경망을 개발했다. 멀티모달은 사진(이미지)과 설명(자연어)같이 서로 다른 형태의 데이터를 함께 학습하며, 이는 인간과 비슷하게 입체적이고 종합적인 사고를 할 수 있도록 도와준다.

김 교수 연구팀은 다공성 소재를 위한 트랜스포머를 개발해 100만개의 다공성 소재로 사전학습을 진행했다. 다공성 소재의 가스 흡착, 기체 확산, 전기적 특성 등의 다양한 소재의 물성을 기존의 발표된 머신러닝 모델들보다 최대 28% 상승 등 높은 성능으로 예측하는 데 성공했다. 김 교수는 “멀티모달 트랜스포머는 다공성 소재뿐만 아니라 다른 종류의 소재에도 확장 가능한 범용적인 모델이므로, 인공지능을 통한 소재 과학의 발전에 크게 이바지할 수 있을 것”이라고 말했다.

이번 연구 결과는 세계적 과학저널인 ‘네이처 머신 인텔리전스’에 지난달 13일에 게재됐다.

대전=강은선 기자 [e-mail]