신소재 합금, 고온 실험 없이 ‘AI’로 만들어낸다

시사위크=박설민 기자  국내 연구진이 고온 실험을 통해서만 가능했던 합금의 융해 특성을 ‘인공지능(AI)’으로 밝혀내는데 성공했다. 미래 합금 개발의 방향성 제시 및 산업 발전에 큰 도움이 될 것으로 기대된다.

한국과학기술원(KAIST)은 홍승범 신소재공학과 교수팀이 ‘밀도범함수이론(DFT) 기반의 형성에너지 데이터’를 활용해 합금이 녹을 때 성분이 유지되는지를 예측하는 고정확도 머신러닝 모델 개발에 성공했다고 14일 밝혔다. 이번 연구는 크리스 울버튼 미국 노스웨스턴대 교수팀과 공동 진행했다.

밀도범함수이론은 전자 밀도(electron density)를 기반으로 시스템의 전체 에너지를 계산하는 방법이다. 쉽게 말해 합금이 얼마나 안정적인지를 나타내는 값이다. 밀도범함수를 정확히 예측해야 품질이 높고 내구성이 뛰어난 합금을 만들 수 있다. 하지만 이를 정확히 예측하는 것이 어려워 신소재공학분야에선 고질적인 난제로 꼽혔다.

이에 연구팀은 우수한 연산능력을 가진 머신러닝 기반 AI모델 구축에서 해답을 찾았다. 밀도범함수이론을 통해 계산한 형성에너지와, 기존의 실험적 융해 반응 데이터를 머신러닝에 결합한 것이다. 이 AI모델은 4,536개의 이원계 화합물에 대한 융해 반응 유형을 학습했다.

이렇게 만들어진 AI모델에서 ‘XGBoost’ 기반 분류 모델이 합금이  잘 섞이는지 여부에 대해 가장 높은 정확도를 보였다. 예측 정확도는 약 82.5%에 달했다. 연수팀은 여기서 샤플리(Shapley)기법을 활용해 합금 예측 모델의 주요 특징을 분석했다. 샤플리기법은 AI가 어떤 이유로 그렇게 판단했는지를 알려주는 설명 도구다.

홍승범 교수는 “이번 연구는 AI로 데이터 기반의 예측적 소재 개발이 가능하다는 가능성을 보여줬다”며 “향후 생성형 모델, 강화학습 등의 최신 AI 기술을 접목하면 완전히 새로운 합금을 자동으로 설계하는 시대가 열릴 것”이라고 말했다.

이번 연구 성과는 국제학술지 ‘APL 머신러닝(Machine Learning)’ 5월호에 게재 및 ‘특집 논문(Featured article)’로 선정됐다. 연구는 과학기술정보통신부와 한국연구재단의 지원으로 수행됐다.