물질연구

2 Contents

[EOST2023] 오픈소스 데이터를 활용한 인공지능 기반 물질 연구

물질 연구는 육안으로 확인하기 어려운 원자 수준의 미세한 구조를 다루는 과학 분야입니다. 주로 분자나 무기 결정 구조, 그리고 표면의 반응성을 분석하며, 양자 역학이나 밀도 범함수 이론(DFT)에 기반한 전자 구조 계산을 핵심 도구로 활용합니다. 이러한 이론적 접근은 실험적으로 나타나는 현상을 정밀하게 설명할 뿐만 아니라, 특정 응용 분야에 최적화된 새로운 물질을 설계하는 데 필수적인 역할을 합니다. 최근에는 기체 분자와 촉매 표면의 상호작용을 조절하여 이산화탄소를 유용한 자원으로 전환하는 연구 등 기후 변화와 같은 지구적 난제를 해결하기 위한 소재 설계에도 인공지능과 데이터 분석 기법이 활발히 도입되고 있습니다. 현대 소재 연구에서는 방대한 양의 오픈 데이터베이스를 활용하여 조건에 맞는 물질을 탐색하는 스크리닝 방식이 널리 쓰입니다. 그러나 데이터베이스에 우리가 필요로 하는 모든 물질의 정보가 포함되어 있지는 않으며, 특히 새로운 가상 구조를 설계할 때는 원자 배열이 가장 안정한 상태를 찾기 위해 복잡한 전자 구조 계산을 거쳐야 합니다. 이 과정은 매우 긴 시간과 높은 전산 비용이 소모되는 작업으로, 연구의 효율성을 저해하는 주요 원인이 되기도 합니다. 이를 극복하기 위해 기계 학습을 통한 물성 예측 모델이 대안으로 떠올랐으나, 학습 데이터와 실제 예측 대상 사이의 도메인 차이로 인한 신뢰성 확보가 여전한 과제로 남아 있습니다. 데이터 간의 도메인 차이로 발생하는 예측 오차를 해결하기 위해 두 가지 혁신적인 방법론이 주목받고 있습니다. 첫째는 드롭아웃 기반의 불확실성 측정을 통해 예측 분포를 산출하고, 표준 편차를 활용해 결괏값을 보정하는 방식입니다. 이를 통해 전체 데이터의 극히 일부만 직접 계산하고도 기존보다 월등히 높은 효율로 안정적인 물질을 찾아낼 수 있습니다. 둘째는 컴퓨터 비전의 기법을 응용하여 구조의 피처 벡터를 직접 변환하는 도메인 트랜슬레이션 기법입니다. 이는 시간이 많이 걸리는 최적화 과정을 거치지 않은 초기 구조 정보만으로도 실제 안정한 상태의 물성을 정확하게 예측할 수 있게 하여 계산 비용을 획기적으로 절감해 줍니다. 이론적으로 설계된 신소재가 실제 실험 현장에서 합성 가능한지를 판단하는 것은 소재 연구의 실질적인 가치를 결정짓는 핵심 요소입니다. 기존에는 분자 구조 생성과 역합성 연구가 서로 분리되어 진행되는 경우가 많아 결과 확인 과정이 비효율적이었습니다. 이를 해결하기 위해 화학 반응 경로 정보와 분자 구조 정보를 통합하는 모델이 새롭게 개발되었습니다. 이 모델은 목표로 하는 분자의 구조적 특징을 조건으로 주어, 상업적으로 구매 가능한 반응물과 구체적인 반응 템플릿을 동시에 생성합니다. 이를 통해 연구자는 결과물인 분자의 물성뿐만 아니라, 실험실에서 실제로 구현 가능한 모든 단계의 화학 반응 정보를 한눈에 파악할 수 있게 되었습니다. 인공지능 기반의 물질 연구는 방대한 데이터를 다루는 듯 보이지만, 전체 물질 공간의 무한함에 비하면 여전히 가용 데이터가 희소하다는 특징이 있습니다. 따라서 적은 양의 데이터로도 높은 신뢰도를 유지하며 복잡한 시스템을 통찰할 수 있는 정교한 기계 학습 모델의 고도화가 계속해서 요구됩니다. 이론적 계산과 실제 합성 사이의 간극을 좁히고, 파편화된 물성 데이터를 효과적으로 통합하는 기술은 미래 소재 산업의 경쟁력을 결정짓는 중요한 열쇠가 될 것입니다. 앞으로는 실험과 이론의 유기적인 조화를 통해 인류가 직면한 다양한 기술적 한계를 극복하고, 신물질 탐색의 골든타임을 단축하는 연구가 더욱 가속화될 전망입니다.

[EOST2023] 오픈소스 데이터를 활용한 인공지능 기반 물질 연구
한국전자통신연구원오픈소스 테크데이
  • 화학
  • 융합
  • 공학·기술

[석학인터뷰] 박남규_ 주목! 페로브스카이트! 우연히 발견되는 것은 없다 | 2020 봄 카오스강연 '첨단기술의 과학'

페로브스카이트 태양전지가 전 세계적으로 주목받는 가장 큰 이유는 압도적인 에너지 변환 효율에 있습니다. 태양전지의 핵심 가치는 빛을 얼마나 많은 전기로 전환할 수 있느냐에 달려 있는데, 페로브스카이트는 이 지점에서 기존 기술을 뛰어넘는 탁월한 성능을 보여줍니다. 하지만 상용화를 위해서는 해결해야 할 과제도 남아 있습니다. 바로 장기 안정성 문제입니다. 현재 이 기술은 수분이나 산소 같은 외부 환경 요인에 노출되었을 때 효율이 저하되는 특성이 있어, 이를 극복하기 위한 연구가 활발히 진행되고 있습니다. 안정성 문제만 해결된다면 차세대 에너지 시장의 주역이 될 것입니다. 한 분야에서 묵묵히 연구를 이어가는 끈기는 과학적 성취의 밑거름이 됩니다. 노벨 화학상 후보급으로 거론될 만큼 성과를 낼 수 있었던 비결은 학위 과정부터 다져온 페로브스카이트 물질에 대한 깊은 이해 덕분이었습니다. 당시에는 태양전지와 직접적인 관련이 없던 기초 연구였지만, 그 지식이 훗날 결정적인 토대가 되었습니다. 1997년 박사 학위 취득 이후 수십 년간 태양전지라는 한 우물만 판 경험이 쌓여 오늘날의 혁신을 만들어낸 셈입니다. 주말조차 학생들의 연구 결과를 분석하고 논문을 작성하며 보내는 연구자의 일상은 이러한 집념을 잘 보여줍니다. 과학의 역사에서 위대한 발견은 종종 우연처럼 묘사되곤 하지만, 그 이면을 들여다보면 모든 것은 필연의 산물임을 알 수 있습니다. 페로브스카이트 태양전지의 탄생과 발전 과정 역시 갑작스러운 행운이 아니라, 수많은 시행착오와 연구의 흐름이 맞물려 일어난 결과입니다. 겉으로 보기에는 우연한 발견처럼 보일지라도, 그 기회를 포착할 수 있었던 것은 준비된 연구자의 치열한 고민이 있었기 때문입니다. 기술적인 성과를 넘어 하나의 혁신적인 물질이 세상에 나오기까지 숨겨진 필연적인 이야기들은 우리에게 과학적 통찰의 중요성을 다시금 일깨워 줍니다.

[석학인터뷰] 박남규_ 주목! 페로브스카이트! 우연히 발견되는 것은 없다 |  2020 봄 카오스강연 '첨단기술의 과학'

박남규

카오스재단카오스강연
  • 화학