AI로 산업 신소재 개발 속도 "국가 연구데이터 수집 체계 만든다" 작성일 09-22 59 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="ptFtZvSggQ"> <figure class="figure_frm origin_fig" contents-hash="dbf8b1ba32e9bc2e3dd3eed781221eaff1b098512ee5b9fc768b1eeca97e82fc" dmcf-pid="UF3F5TvacP" dmcf-ptype="figure"> <p class="link_figure"><img alt="이민호 버추얼랩 대표가 시뮬레이선 플랫폼 '머터리얼스 스퀘어' 로고 앞에서 포즈를 취하고 있다. 버추얼랩 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/22/fnnewsi/20250922153917481alcd.png" data-org-width="800" dmcf-mid="0tZXYCIiax" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/22/fnnewsi/20250922153917481alcd.png" width="658"></p> <figcaption class="txt_caption default_figure"> 이민호 버추얼랩 대표가 시뮬레이선 플랫폼 '머터리얼스 스퀘어' 로고 앞에서 포즈를 취하고 있다. 버추얼랩 제공 </figcaption> </figure> <div contents-hash="510705fff12c41a4fca09820c8f0561fa1b9b444f21bd96c1a3a9a5e7c5347f7" dmcf-pid="u3031yTNA6" dmcf-ptype="general"> <br>[파이낸셜뉴스]인공지능(AI)이 연구개발(R&D) 성과를 획기적으로 높이고 있다. 구글 딥마인드가 개발한 '알파 폴드'는 이제 신약 개발을 위한 단백질 구초를 예측하는 등 필수 도구가 됐다. 신소재 개발 단계에서도 이제 AI는 필요조건이 되어가고 있다. 과학기술정보통신부가 국가 인프라 사업으로 '소재 연구데이터 생태계 플랫폼' 구축에 나서고 있는 이유다. 소재 연구개발 플랫폼 스타트업 '버추얼랩'도 연구개발자의 성과를 높여주는 기반이 될 것으로 보인다. </div> <p contents-hash="772817e18273c37193b3d2bbe597efe17fde001d84724cb785f553859a03fb33" dmcf-pid="70p0tWyjg8" dmcf-ptype="general"><strong>■"산발적 데이터, AI 이용해 표준화"</strong><br>이민호 버추얼랩 대표는 "최근 AI를 이용해서 소재 연구개발 속도를 단축하고자 하는 시도가 이루어지고 있으나, 아직 일부 사례를 제외하고 실제 실험 데이터와 AI를 이용해 신소재 개발을 성공한 사례는 찾아볼 수 없을 정도의 초기단계"라며 "반도체, 배터리, 금속, 촉매와 같은 다양한 분야에서 새로운 소재를 개발하는 것은 각 산업분야 최종 제품의 성능 향상, 비용 절감 및 환경적인 측면 등 산업 발전의 핵심적인 역할을 한다"고 말했다. </p> <p contents-hash="7c30739d67f665524cb9bd5cf61212f81214a3a892b2ba6a9bea16b4630eae0b" dmcf-pid="zpUpFYWAo4" dmcf-ptype="general">지난 2016년 설립된 버추얼랩은 반도체, 배터리, 금속과 같은 신소재를 연구하는 과학자들에게 시뮬레이션, AI와 같은 디지털 환경 기반의 첨단 연구 도구를 플랫폼을 통해 제공하는 스타트업이다. 시뮬레이션 플랫폼 '머터리얼스 스퀘어(Materials Square)'와 데이터 기반 소재 연구개발 플랫폼 'D3스퀘어(D3Square)'를 운영하고 있다. 머터리얼스 스퀘어가 컴퓨터 시뮬레이션을 통해 소재를 시뮬레이션 하는 방식이라면, D3스퀘어는 AI를 활용해 기존 연구 데이터를 효율적으로 수집하고 관리하는데 초점을 둔 플랫폼이다. </p> <p contents-hash="639a5fe502297cf27d04ff57a45e53db5d02e7771d8640461b2a3ff81fffff50" dmcf-pid="qUuU3GYcaf" dmcf-ptype="general">그간 연구자들이 산발적으로 모아놓은 데이터를 AI에 활용하기 위해서는 데이터의 통합과 표준 포맷으로의 변환등 번거로운 과정이 필요했다. D3스퀘어는 플랫폼을 통해 모든 연구자들이 표준화된 포맷으로 데이터를 수집할 수 있는 환경을 제공함으로써 복잡한 과정 없이 AI에 바로 사용할 수 있는 형태의 데이터를 제공한다. 버추얼랩은 D3스퀘어를 기반으로 정부가 추진하는 생태계 플랫폼 구축 사업에 참여중이다. 국가인프라로 소재 연구 데이터를 모두 모으는 것인데, 금속이나 반도체 등 현재 핵심분야로 선정된 16개 허브에 해당하는 소재들을 일관된 포맷으로 통합한다. </p> <p contents-hash="0b9c9a1e2fc7c5699be53e590c1162e03bf659152a619dba4596b725e3e4be57" dmcf-pid="BGHGyOsdAV" dmcf-ptype="general">이 대표는 "이번 사업은 다양한 분야에서 생산되는 소재 연구데이터를 효과적으로 수집하는 것을 목표로 하고 있다"며 "분야별 서로 다른 데이터를 온톨로지를 기반으로 수집함으로써 많은 노력을 통해 수집된 연구데이터의 재사용성, 상호운용성을 확보하는 게 목표"라고 말했다. </p> <p contents-hash="10d0ed7d7bff55030d84f35fd0cc1bf3909c0ef51981453be274fffb7c85668e" dmcf-pid="bHXHWIOJj2" dmcf-ptype="general">이번 플랫폼 사업은 지난해 7월부터 시작됐다. 버추얼랩은 플랫폼 분야에 참여중으로 고려대, 한양대 에리카 캠퍼스가 함께하고 있다. 이외에도 데이터 분야에는 한국화학연구원과 국민대, 포항공대, 한국표준과학연구원이, 활용과 검증 부문에는 한국과학기술원과 경기대, 경북대, 국립순천대, 한국재료연구원이 참여중이다. </p> <p contents-hash="465312dd07bcaddcfa1d8b392a0b606bd85fa29233937370a43e172e2538cb1f" dmcf-pid="KXZXYCIia9" dmcf-ptype="general">이 대표는 "신소재 연구개발은 높은 연구개발 비용과 시간 등 리스크가 발생하지만, 전 세계적으로 우수한 소재를 개발하고자 하는 경쟁이 치열하다"며 "AI기반의 소재 연구개발은 결국 누가 충분한 양의 양질의 데이터를 확보하느냐로 승자가 결정될 것으로 예상된다"고 분위기를 전했다. </p> <p contents-hash="58b8688c1747a762926716fd7bf80d8d957533968ea46b58613040f6331d2427" dmcf-pid="9Z5ZGhCncK" dmcf-ptype="general"><strong>■"고품질 데이터 만들어 소재 R&D 기간 단축"</strong><br>신소재 연구개발은 무수히 많은 후보 물질과 하나의 후보물질을 합성하고, 합성된 물질에서 원하는 물성이 나타나는지를 확인하는 측정·분석의 반복 실험을 통해 이루어지고 있다. 원하는 물성을 얻을 때까지 실험을 반복하는 전통적인 연구방식에서 AI를 도입하고자 하는 수요가 증가하는 원인이다. </p> <p contents-hash="73f0b3de3826c8b42db9813d3f215c5d2dfafb0123c3d58ccb97e5146be660a1" dmcf-pid="2515HlhLAb" dmcf-ptype="general">이 대표는 "신소재 개발에서 이러한 AI기반의 모델을 학습하기 위해서는 제조 공정-구조-물성-성능으로 구성되는 소재 연구 데이터가 필요하게 된다"며 "신뢰할만한 AI모델을 만들기 위해서는 최소 수백개 이상의 합성-측정·분석 데이터가 잘 정리된 형태로 저장돼 있어야 한다"고 설명했다. </p> <p contents-hash="475a20d2aba510d7d90fb7a344328770596dc605059ad64e7676aaaf5e47b2b9" dmcf-pid="V1t1XSloaB" dmcf-ptype="general">연구개발 분야별로 소재 합성-측정 과정이 상이하기 때문에 각 분야의 연구자들이 별도의 큰 노력 없이 손쉽게 본인들의 데이터를 모으고, 활용할 수 있는 사용자 경험이 중요하다는 것이다. </p> <p contents-hash="fcc8174c608f151bd6ef36bf5121fb282f2c19b5154f5067c9486f2d29d0d686" dmcf-pid="ftFtZvSgjq" dmcf-ptype="general">이 대표는 "AI기반 소재 연구개발의 근간이 되는 소재 연구 데이터는 연구 분야별 서로 다른 데이터 포맷, 느린 데이터 생산 속도 등으로 인해 AI모델 학습에 필요한 수준의 충분한 양의 데이터 수집이 매우 까다롭다"며 "전 세계적으로도 시뮬레이션이 아닌 실제 실험을 통해 생산된 연구 데이터를 통합 수집하는 것은 난이도가 높은 과제로 여겨지고 있다"고 전했다. 소재 데이터 생산 자체와 표준화도 어렵기 때문에 수많은 전문가들이 모여 활용도 높은 데이터베이스를 만드는 게 중요해지는 것이다. </p> <p contents-hash="863baf9df079a853151aaa1d6694906de8f94e42ae634db172b4159b1b3c987b" dmcf-pid="4F3F5Tvacz" dmcf-ptype="general">이 대표는 "그 동안 쌓아온 노하우와 기술력을 바탕으로 소재 연구에 특화된 데이터 플랫폼을 구축해 소재 연구자들의 데이터가 효과적으로 수집·통합되고, 자율실험 로봇 혹은 사람 연구자들이 이렇게 수집된 데이터를 통해 효과적으로 연구를 수행할 수 있는 환경을 만들어 가고 싶다"고 말했다.</p> <p contents-hash="863d0f0cd8bba8d6acb113c13fb4a6421a1cf6a9e4c231c9fae129e2741f9bad" dmcf-pid="83031yTNj7" dmcf-ptype="general">jiany@fnnews.com 연지안 기자</p> </section> </div> <p class="" data-translation="true">Copyright © 파이낸셜뉴스. 무단전재 및 재배포 금지.</p> 관련자료 이전 배드빌런, ‘힐 퍼포+다리 찢기’ 고난이도 안무..‘스릴러’ 첫 주 무대 09-22 다음 스포츠토토, 2025년 하반기 신규 판매인 모집 온라인 접수 앞둬 09-22 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
