KAIST 연구팀 “신소재 분야 AI 활용 가능성 열었다”

KAIST 연구팀이 신소재 개발에 인공지능(AI)이 들어올 가능성을 열었다.

KAIST(총장 이광형)는 신소재공학과 홍승범 교수 연구팀이 노스웨스턴대 피터 부리스(Peter Voorhees) 교수 연구실과 함께 신소재 데이터 고속 분석을 위한 시뮬레이션 기반 AI 훈련 방법론을 개발했다고 24일 밝혔다.

양질의 데이터를 구하기 힘든 신소재 분야에서 AI 학습에 사용 가능한 생성 데이터를 구축한 것.

사회 전 영역에서 다양한 AI 응용 사례들이 나오는 상황에서 신소재 분야에서도 AI 도입을 시도하고 있다. 신소재 개발 과정 중에서도 장시간이 소요되는 소재, 공정 개발에 AI를 적용하겠다는 것.

특히 AI를 활용해 신소재 데이터를 고속으로 분석하고 소재를 역설계하는 기술 연구가 가속화되고 있다. 다양한 구조와 물성 데이터 사이의 상관관계를 빠르게 분석할 시 신소재 개발 소요 시간을 획기적으로 줄일 수 있다.

반면 신소재 데이터를 활용한 AI 연구는 쉽지 않다. 신소재 데이터의 경우 대량의 유의미한 실험 데이터를 구하기 어렵고, 기업들이 보유한 중요한 데이터는 대외비로 취급한다.

이러한 데이터 다양성, 크기, 접근성 문제를 해결하기 위해 생성 모델과 데이터 합성에 대한 연구가 진행되고 있다. 이번 연구 성과도 여기에 해당한다.

KAIST 홍승범 교수 연구팀은 양질의 신소재 데이터를 구하기 힘든 상황에서 AI 훈련에 사용할 수 있는 생성 데이터를 구축했다.

실제 데이터 내 여러 가지 물리적 제약을 반영한 위상 필드 시뮬레이션을 활용해 기초 데이터를 형성했다. 실제 측정 과정에서 발생하는 소재 데이터 내 다양한 잡음, 입자의 분포 정보, 입자의 경계를 모사했다.

이후 기존에 수작업으로 작성한 소재 데이터를 활용한 AI와 상 분리 성능을 비교했으며, 생성된 데이터의 모사 요소가 상 분리에 미치는 영향을 파악했다.

홍 교수팀이 개발한 방식은 기존 수작업 훈련 데이터 준비 방식보다 시간을 크게 단축시켰다. 위상 필드 시뮬레이션 활용해 다양한 소재 데이터에 빠르게 적용 가능한 것도 장점이다.

홍승범 교수는 “AI는 분야를 막론하고 다양한 영역에서 활용되고 있으며, 소재 분야 역시 AI 도움을 바탕으로 신소재 개발을 더욱 빠르게 완료할 수 있는 세상을 맞이할 것”이라고 말했다.

그러면서 “이번 연구 내용을 신소재 개발에 바로 적용하기에는 데이터 합성 측면에서의 여전히 보강이 필요하지만, 소재 데이터 활용에 큰 문제가 됐던 훈련 데이터를 준비하는 긴 시간을 단축해 소재 데이터의 고속 분석 가능성을 연 것에 연구의 의의가 있다”고 전했다.

이번 연구는 KAIST 신소재공학과 염지원 연구원, 노스웨스턴(Northwestern) 대학의 티베리우 스탄(Tiberiu Stan) 박사가 공동 제1 저자로 참여했다. 연구 결과는 국제 학술지 `악타 머터리얼리아(Acta Materialia)'에 게재됐다.

AI타임스 박성은 기자 sage@aitimes.com

박성은 기자 AI는 마법이 아닌 과학입니다 sage@aitimes.com

상단영역