“로봇이 촉매실험까지” 신소재 개발 ‘AI’가 주도한다 작성일 10-26 49 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">- KAIST, 신소재 발견–개발–최적화 전 과정 통합 AI 로드맵 제시</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="qKwfMhiPHD"> <figure class="figure_frm origin_fig" contents-hash="1479af9b7a901a9248a688bae2e32ec4823b521fb08f46ad2501219ac4950e8a" dmcf-pid="B9r4RlnQYE" dmcf-ptype="figure"> <p class="link_figure"><img alt="강채율(왼쪽부터) 석사과정, 홍승범 교수, 베네딕투스 마디카 박사과정, 밧조릭 부얀톡톡 박사과정, (윗줄 상단)아디티 사하 박사과정.[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202510/26/ned/20251026120151048girv.jpg" data-org-width="1280" dmcf-mid="u8DVxCJ6Xm" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202510/26/ned/20251026120151048girv.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 강채율(왼쪽부터) 석사과정, 홍승범 교수, 베네딕투스 마디카 박사과정, 밧조릭 부얀톡톡 박사과정, (윗줄 상단)아디티 사하 박사과정.[KAIST 제공] </figcaption> </figure> <p contents-hash="6dbdbc3e686274b96b706dc7aa7de5f1497740bb768c384c024b4fd0fca74659" dmcf-pid="b2m8eSLxGk" dmcf-ptype="general">[헤럴드경제=구본혁 기자] AI가 스스로 새로운 소재의 구조와 성질을 상상하고 예측하는 시대가 열렸다. AI는 연구자의 ‘두 번째 두뇌’처럼 아이디어 발굴부터 실험 검증까지 연구 전 과정을 함께 수행한다. 우리나라를 포함한 국제 공동 연구진이 AI가 자율 연구실(Self-driving Lab) 개념을 구현하고, 로봇이 촉매 합성 실험을 수행하는 ‘AI 기반 촉매 탐색 플랫폼’을 통해 신소재 연구의 전 주기 활용 전략을 제시했다.</p> <p contents-hash="67c6213d3bcf62935544ed89815e6ecb0d05519b8d77d49192d3dfc8fb1ebfc6" dmcf-pid="KVs6dvoM1c" dmcf-ptype="general">KAIST는 신소재공학과 홍승범 교수 연구팀이 미국 드렉셀대학교, 노스웨스턴대학교, 시카고대학교, 테네시대학교와 공동연구를 통해 인공지능(AI)·머신러닝(ML)·딥러닝(DL) 기술이 신소재공학 전반에 미치는 영향을 종합적으로 분석한 리뷰 논문을 국제학술지 ‘ACS Nano’에 게재했다고 26일 밝혔다.</p> <p contents-hash="541444ca5dd2279d49225586dbf60ed8cf7d464a4ffed6e82aa80e5501008dc9" dmcf-pid="9Vs6dvoMZA" dmcf-ptype="general">홍승범 교수 연구팀은 소재 연구를 ‘발견–개발–최적화’의 세 단계로 구분하고, 각 단계에서 AI가 수행하는 역할을 구체적으로 설명했다.</p> <p contents-hash="9af4bd8ea6d1c008b8fe4f9d97c18ee35940d12ef561cd8da90be147620f3679" dmcf-pid="2fOPJTgRXj" dmcf-ptype="general">소재 발견 단계에서는 AI가 새로운 구조를 설계하고 물질의 성질을 예측해, 수많은 후보 중 가장 유망한 물질을 신속히 찾아낸다.</p> <p contents-hash="a7b86fd1a6f8b273d3fe091176a2308d12c54a05c3df8fdd2c946d9937be65f4" dmcf-pid="V4IQiyaeYN" dmcf-ptype="general">개발 단계에서는 실험 데이터를 분석하고 자율 실험 시스템(Self-driving Lab)을 통해 AI가 실험 과정을 자동으로 조정함으로써 연구 기간을 단축한다.</p> <p contents-hash="a05f722ed68735d4e9386224ea12533a9bce64e96f42731c1651540d595beb24" dmcf-pid="f8CxnWNdXa" dmcf-ptype="general">최적화 단계에서는 AI가 시행착오를 거치며 스스로 최적의 조건을 학습하는 ‘강화학습(Reinforcement Learning)’과, 적은 실험으로 가장 우수한 결과를 찾아내는 ‘베이지안 최적화(Bayesian Optimization)’ 기술을 활용해 설계와 공정 조건을 자동으로 조정하고 성능을 높인다.</p> <p contents-hash="92096b09609cc6aaed2d338dbafd0869bbf61bdd2c4bf6cb52c56232e6a101d1" dmcf-pid="46hMLYjJtg" dmcf-ptype="general">즉 AI는 수많은 재료 중에서 ‘가장 가능성 있는 후보’를 먼저 골라주고, 실험 과정에서 시행착오를 줄이며, 마지막에는 스스로 실험 조건을 조정해 성능이 가장 좋은 조합을 찾아내는 ‘똑똑한 조수’ 역할을 한다.</p> <p contents-hash="f4dfbdfa5fcdaa314b5fb3249d3894232e9c23cd2136e4348ba0769996a726f1" dmcf-pid="8PlRoGAi1o" dmcf-ptype="general">논문은 또한 생성형 AI, 그래프 신경망(GNN), 트랜스포머 모델 등 첨단 기술이 AI를 단순한 계산 도구가 아닌 ‘생각하는 연구자’로 변화시키고 있음을 보여준다.</p> <figure class="figure_frm origin_fig" contents-hash="363c2004f328d3f8e9bb37296231dae46ee924652cb3864bddd42128a4b52c04" dmcf-pid="6QSegHcnZL" dmcf-ptype="figure"> <p class="link_figure"><img alt="AI가 신소재 발견–개발–최적화 전 주기에 걸쳐 혁신을 이끄는 주요 흐름.[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202510/26/ned/20251026120151282uurc.jpg" data-org-width="1280" dmcf-mid="7PCxnWNdZr" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202510/26/ned/20251026120151282uurc.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> AI가 신소재 발견–개발–최적화 전 주기에 걸쳐 혁신을 이끄는 주요 흐름.[KAIST 제공] </figcaption> </figure> <p contents-hash="8f04865b3ed8e234c73eff894f32a4f8d14b94ddcf4dfde9109e156522c4093e" dmcf-pid="PxvdaXkL5n" dmcf-ptype="general">AI는 물리와 화학의 법칙을 스스로 학습해 새로운 소재를 상상하고 예측하며, 연구자의 ‘두 번째 두뇌’처럼 아이디어 제안부터 검증까지 함께 수행한다.</p> <p contents-hash="3c578678440779a1f8abfa9debcbf81b0bf4af13d32105cc69d51bb0288fc7b3" dmcf-pid="QMTJNZEoYi" dmcf-ptype="general">그러나 연구진은 AI가 제시하는 결과가 항상 정답은 아니며, 데이터 품질 불균형, 예측 결과 해석의 어려움, 이질적 데이터 통합 등 여전히 해결해야 할 과제들이 남아 있다고 지적했다.</p> <p contents-hash="5fb724958bd23c099908c5183078bf4b6622ad50a49d539267eff25f7329cd86" dmcf-pid="xRyij5Dg1J" dmcf-ptype="general">이에 따라 앞으로는 AI가 물리학적 원리를 스스로 이해하고, 연구자가 그 과정을 투명하게 검증할 수 있는 기술이 함께 발전해야 한다고 강조했다.</p> <p contents-hash="b4ca4db66c5fa69900b5df4bd4a7d0ca9f1ac4e696b665936be71038b7ff2a35" dmcf-pid="yI9SHPtWHd" dmcf-ptype="general">논문에서는 또한 연구자가 직접 실험 장비를 조작하지 않아도 AI가 실험 계획을 세우고 결과를 분석해, 다음 실험 방향까지 제안하는 ‘자율 실험실(Self-driving Lab)’과 AI가 촉매 합성 실험을 자동으로 설계·최적화하고 로봇이 수행하는‘AI 기반 촉매 탐색 플랫폼’에 대해 심층적으로 다뤘다.</p> <p contents-hash="28f625b03e42dfc8975bf8d609a8c5e65646fdf4642e92d20b806820fff91097" dmcf-pid="WC2vXQFYte" dmcf-ptype="general">특히 AI가 촉매 합성과 최적화 과정을 자동으로 수행해 연구 속도를 비약적으로 높이는 사례를 소개하며, 이러한 접근이 배터리 및 에너지 소재 개발로 확장될 가능성을 보여주었다.</p> <p contents-hash="6e71eda02bbf8cd49c8c10218f9e3b6d599597a9fb4e4f8b2fae10a7f0598c81" dmcf-pid="YhVTZx3G1R" dmcf-ptype="general">홍승범 교수는 “이번 리뷰는 인공지능이 단순한 도구를 넘어 신소재공학 연구의 새로운 언어로 자리 잡고 있음을 보여준다”며 “KAIST 연구진이 제시한 로드맵은 향후 배터리·반도체·에너지 소재 등 국가 핵심 산업 분야 연구자들에게 중요한 길잡이가 될 것”이라고 말했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 누리호 4차 발사 한 달 앞으로…우주로 GO! [지금은 우주] 10-26 다음 수천억 연봉 인재 속 급증하는 해고, AI 혁신의 역설 10-26 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
