“신소재 개발 속도 무려 4배”…척척박사 ‘AI 연구동료’ 떴다 작성일 10-14 57 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">- 연구자 경험·지식 AI에 반영, 최적 조건 탐색 20회→3~5회 단축<br>- 잘못된 조언은 AI가 걸러내, 차세대 자율실험실 핵심기술 확보</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="1Wxoykb05y"> <figure class="figure_frm origin_fig" contents-hash="30edbbe3bc9eba89b765460ae0337c4a34c49bf750c15159ecc0112e0ddc9265" dmcf-pid="tYMgWEKp5T" dmcf-ptype="figure"> <p class="link_figure"><img alt="이번 연구를 수행한 안광노(왼쪽부터) 한국화학연구원 선임연구원과 아밀레자 모타펙 박사후연구원.[한국화학연구원 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/14/ned/20261014120207567ywfa.png" data-org-width="1280" dmcf-mid="8GVRIopXtp" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/14/ned/20261014120207567ywfa.png" width="658"></p> <figcaption class="txt_caption default_figure"> 이번 연구를 수행한 안광노(왼쪽부터) 한국화학연구원 선임연구원과 아밀레자 모타펙 박사후연구원.[한국화학연구원 제공] </figcaption> </figure> <p contents-hash="af1cdf8367500123791aa08d0e882040ba155d9e894a349f52d2e7a139005da7" dmcf-pid="FGRaYD9UGv" dmcf-ptype="general">[헤럴드경제=구본혁 기자] “온도를 높이면 수율이 좋아질 거야.” 연구자가 말 한마디만 하면 인공지능(AI)이 이를 이해하고 다음 실험 조건을 스스로 설계하는 기술이 개발됐다. 연구자의 경험과 지식을 AI에 직접 전달해 불필요한 실험을 줄이고 신소재와 촉매 개발에 걸리는 시간과 비용을 획기적으로 낮출 수 있을 전망이다.</p> <p contents-hash="6059fafcad8d84aa32b95ef4d3fbb12d391d2facf7f2534a3d0d5885baebbe61" dmcf-pid="3HeNGw2utS" dmcf-ptype="general">한국화학연구원은 화학플랫폼연구본부 안광노 박사 연구팀이 연구자의 자연어 지식을 AI가 해석해 실험 계획에 반영하는 ‘인간 참여형 최적화’ 기술을 개발했다고 14일 밝혔다.</p> <p contents-hash="c4b0204057832e44fc905414610ee9b2fc08a0933a2e4f5decd15eec857fbb29" dmcf-pid="0XdjHrV7Hl" dmcf-ptype="general">이번 기술은 연구자가 말이나 글로 전달한 경험과 지식을 거대언어모델(LLM)이 이해하고, 이를 실험 조건을 결정하는 AI에 전달하는 것이 핵심이다. 복잡한 프로그래밍이나 수식 없이도 연구자와 AI가 대화하며 실험을 설계할 수 있다.</p> <p contents-hash="046144bca400d3aadda993b95d6937c4c6fba8b825163615ab77cb48181fa875" dmcf-pid="p9mTKZgRth" dmcf-ptype="general">최근 과학계에서는 AI가 실험 결과를 학습하고 다음 실험을 스스로 결정하는 ‘자율실험실(SDL)’이 차세대 연구개발 방식으로 주목받고 있다.</p> <p contents-hash="fa00d0b112cdbae2fa96a3ae6e68fdbfb621397e846d21a25f9d68777bc054c1" dmcf-pid="U2sy95ae5C" dmcf-ptype="general">기존 자동화 장비가 정해진 실험을 반복하는 데 그쳤다면 자율실험실은 AI가 실험 결과를 분석해 온도와 압력, 원료 배합 등 조건을 바꾸며 최적의 결과를 찾아낸다.</p> <p contents-hash="e4018a7b0172a4b0c85f1237054471758fd0d644d00cfdf2924bdd3bbf3c8404" dmcf-pid="uVOW21NdGI" dmcf-ptype="general">하지만 기존 자율실험실 AI는 연구자가 이미 알고 있는 지식조차 활용하지 못하고 처음부터 실험을 반복해야 하는 한계가 있었다.</p> <p contents-hash="5dacb4c3e51ff4c6f55871bffaab1064b57e3290ec3dbef31fd3b538e38b90b3" dmcf-pid="7fIYVtjJYO" dmcf-ptype="general">특히 한 번의 합성과 분석에 반나절 이상 걸리는 촉매나 신소재 개발에서는 불필요한 실험이 연구기간과 비용을 늘리는 주요 원인으로 지적돼 왔다.</p> <p contents-hash="984cb66830a6fc5b16515d1db019c220bacb4b04c4513dcf915d4edff58bc757" dmcf-pid="z4CGfFAiYs" dmcf-ptype="general">연구팀은 이를 해결하기 위해 연구자의 언어를 이해하는 LLM과 적은 실험으로 최적 조건을 찾는 ‘베이지안 최적화 AI’를 결합했다.</p> <p contents-hash="1e93402898079099957ec3ee940c9dee748fcbf7e12cc5e757a23014e1e99e3b" dmcf-pid="q8hH43cn5m" dmcf-ptype="general">연구자가 “온도를 높이면 수율이 증가한다”는 식으로 경험을 전달하면 LLM이 이를 실험에 필요한 사전정보와 제약조건으로 변환한다. 이후 최적화 AI가 해당 정보를 반영해 다음 실험 조건을 선택하는 방식이다.</p> <p contents-hash="1c93bab7cc5174fc2a6401d4fda301a13772239991db0e471fe93e3592f5ccc4" dmcf-pid="B6lX80kL1r" dmcf-ptype="general">특히 연구자의 경험이나 판단이 잘못됐을 경우 AI가 이를 스스로 걸러내는 안전장치도 구현했다.</p> <figure class="figure_frm origin_fig" contents-hash="2f05e159c41a8b659cea9468792170c573f7c2aaf74a2dee3e6c940d7998af1d" dmcf-pid="bPSZ6pEoHw" dmcf-ptype="figure"> <p class="link_figure"><img alt="연구진이 입력한 코드를 살펴보고 있다.[한국화학연구원 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/14/ned/20261014120207923kzzn.png" data-org-width="1280" dmcf-mid="PUp9jPYCH3" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/14/ned/20261014120207923kzzn.png" width="658"></p> <figcaption class="txt_caption default_figure"> 연구진이 입력한 코드를 살펴보고 있다.[한국화학연구원 제공] </figcaption> </figure> <p contents-hash="5f4e7608aeab41825bd2e6a9e768c43db4e7e30ba502d9e7ca30085ee227c8e7" dmcf-pid="KQv5PUDgHD" dmcf-ptype="general">연구팀이 개발한 ‘적응형 신뢰도 검증(AWCD)’ 기술은 연구자의 조언과 실제 실험 데이터가 얼마나 일치하는지 지속적으로 확인한다. 조언이 데이터와 일정 수준 이상 어긋나면 해당 정보를 자동으로 배제하고 실제 데이터에 기반한 탐색으로 전환한다.</p> <p contents-hash="fd1f073fecc24ab1457616a06dfbb7a3b6e4cce5419bcf5002bc75746b75e4cd" dmcf-pid="9xT1QuwaHE" dmcf-ptype="general">실제 화학반응 및 소재 데이터를 활용한 가상실험에서 여러 원료를 결합하는 반응의 최적 조건 탐색 횟수는 기존 약 30회에서 10회 이내로 줄었다.</p> <p contents-hash="f5f4ea36da577e753da33d0c78371827e2bb2201e2f614057a977370d03499fa" dmcf-pid="2E7fkMXSHk" dmcf-ptype="general">전기전도성 복합소재의 경우 기존 약 20회 필요했던 탐색이 3~5회로 감소했다. 기존 대비 실험 횟수를 최대 4분의 1 이하로 줄인 것이다.</p> <p contents-hash="8e02fc7c66690e1635b73bf973a793b2cdca500af2a892189aaf259930609850" dmcf-pid="VDz4ERZv5c" dmcf-ptype="general">연구팀에 따르면 이러한 효과는 실제 실험 데이터 약 40건을 미리 확보한 것과 맞먹는 수준이다. 반나절 이상 소요되는 촉매 실험에 적용하면 초기 탐색 기간을 약 20일 단축할 수 있다는 설명이다.</p> <p contents-hash="ff74bdeb317926c9cfb5a3b4fe2ec1cb8139b07737a35eaac19baf61b78c2cc1" dmcf-pid="fwq8De5TGA" dmcf-ptype="general">연구팀은 실험 도중에도 연구자가 AI와 대화하며 방향을 수정할 수 있는 ‘AI 코사이언티스트(Co-Scientist·공동연구자)’ 인터페이스도 개발해 공개했다.</p> <p contents-hash="de39dd06354ae262f32f7b116e9e33c97b6704ac617613fce57b2146fbf1c8dc" dmcf-pid="4rB6wd1y5j" dmcf-ptype="general">안광노 박사는 “이번 기술은 연구자와 AI가 서로 도움을 주고받으며 함께 연구하도록 돕는 실험 동료이자 자율실험실의 두뇌 역할을 하는 핵심 소프트웨어”라며 “연구개발에 투입되는 시간과 비용을 크게 줄이는 데 기여할 것”이라고 말했다.</p> <p contents-hash="544fc6a2f98e5b5497e39a0af10cbc5c8dffde00c92569ee38d7f25d997d2657" dmcf-pid="8mbPrJtWZN" dmcf-ptype="general">이번 연구결과는 국제학술지 ‘저널 오브 케미컬 인포메이션 앤 모델링(Journal of Chemical Information & Modeling)’ 8월호에 게재됐다.</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 싱 길 UN 사무차장 "AI 거버넌스, 혁신 억제 아닌 신뢰 구축의 열쇠" 10-14 다음 [OP셜 PICK] LoL 26.20 "롤드컵 패치, 솔랭 생태계는 어떨까?" 10-14 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
