자율 인공지능은 인간의 개입 없이 스스로 과업을 수행하는 시스템으로, 다양한 산업 분야에서 혁신을 일으키고 있습니다. 최근 널리 쓰이는 대규모 언어 모델인 ChatGPT 역시 이러한 흐름의 중심에 있지만, 전문적인 소재 분야에서는 정확한 정보를 제공하는 데 한계가 있습니다. 이는 소재 데이터가 텍스트나 이미지 데이터에 비해 현저히 부족하여 대규모 학습이 어렵기 때문입니다. 이러한 한계를 극복하기 위해 KAIST 김지한 교수 연구팀은 금속-유기 골격체(MOF) 전용 챗봇 시스템인 'ChatMOF'를 개발했습니다. ChatMOF는 단순한 정보 검색을 넘어 머신러닝을 통한 물성 예측과 사용자가 원하는 특성을 가진 소재를 직접 역설계하는 기능까지 갖추고 있습니다.

ChatMOF는 사용자의 질문을 받으면 문제를 해결하기 위한 치밀한 계획을 수립하고, 이에 필요한 최적의 도구를 스스로 선택하여 작동합니다. 선택된 도구에서 도출된 결과값이 질문에 충분한 답변이 되는지 판단하며, 만약 부족할 경우 계획을 다시 세워 최적의 해답을 찾아가는 유연한 시스템을 갖추고 있습니다. 이러한 기술의 배경에는 계산 화학을 통해 나노 소재를 모사하고 컴퓨터로 신소재를 디자인하는 분자 시뮬레이션 연구실의 전문성이 자리 잡고 있습니다. 특히 수만 개의 소재 중 에너지와 환경 분야에 적합한 최적의 후보를 선별하는 스크리닝 작업을 통해 효율적인 연구를 진행하고 있으며, 이는 신소재 개발의 속도를 획기적으로 높이는 기반이 됩니다.

KISTI 슈퍼컴퓨터 자원을 활용하여 다량의 MOF 데이터베이스를 구축하고, 복잡한 머신러닝 모델인 MOF Transformer 구조를 학습할 수 있었습니다.

소재 분야 인공지능의 성능을 결정짓는 핵심 요소는 전문적인 데이터베이스와 고도화된 머신러닝 모델의 유기적인 결합에 있습니다. 활용 가능한 학습 모델의 수가 늘어날수록 시스템이 처리할 수 있는 능력의 범위가 기하급수적으로 넓어지며, 이는 곧 연구 효율성의 극대화로 이어집니다. 세계 최초이자 최고의 기술을 지향하는 이러한 도전은 소재 과학의 패러다임을 바꾸는 중요한 계기가 될 것입니다. 나아가 연구팀의 혁신적인 기술 개발 성과가 인류의 더 나은 미래를 만들어 가는 데 실질적인 도움이 되기를 기대하며, 앞으로도 인공지능을 활용한 신소재 탐색 연구는 더욱 가속화될 전망입니다.