인공지능을 활용해 원하는 물성의 다공성 물질을 만드는 방법이 나왔다. 다공성 물질은 구멍이 많아 넓은 표면적을 가진 구조로 촉매, 센서, 약물 전달 등 다양한 분야에서 활용 중이다.
한국과학기술원(KAIST)은 김지한 생명화학공학과 교수 연구팀은 인공지능 기술과 분자 시뮬레이션 기술을 활용해 다공성 물질의 한 종류인 제올라이트 구조를 설계하는 방법을 개발했다고 7일 밝혔다.
제올라이트는 대표적인 다공성 물질의 한 종류다. 규소 산화물에 금속이 결합된 구조로 가스 흡착, 촉매 분야 연구에서 많이 쓰이는 물질이다. 지금까지 실험적으로 밝혀진 제올라이트 구조는 230여개에 달한다.
현재 제올라이트와 같은 다공성 물질을 개발하기 위해서는 반복적인 실험을 통한 시행착오를 거치면서 시간과 비용이 많이 필요하다. 이러한 낭비를 줄이기 위해 가상의 구조를 본따 다공성 물질을 개발하는 방법도 있으나 알려지지 않은 새로운 구조는 만들 수 없는 한계가 있다.
이에 최근에는 인공지능을 활용하면 원하는 물성을 가진 물질을 역으로 설계해 개발하는 방법들이 등장했다. 이번 연구는 이 방법을 활용해 지금까지 단순한 소형 분자 위주의 개발에 그친 연구들과 달리 복잡한 다공성 물질을 설계한 결과다.
연구팀은 먼저 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)과 기존 분자 시뮬레이션에서 활용되는 3차원 그리드 데이터를 이용해 다공성 물질의 특성을 인공지능이 학습하고 생성할 수 있는구조를 개발했다.
개발된 인공신경망 생성모델은 3차원 그리드로 이루어진 구조 정보와 흡착 물성 데이터를 같이 학습하며 흡착 물성을 빠르게 계산할 수 있다. 연구팀은 이를 통해 에너지 저장 소재의 특성을 효율적으로 학습할 수 있다는 사실을 확인했다.
또한 인공지능은 학습하지 않은 구조들도 생성할 수 있는 것으로 나타났다. 학습 과정에서 의도적으로 제올라이트 구조 중 일부를 제외해 학습시켰음에도 제외된 구조
까지 찾아낸 것이다.
김지한 교수는"인공지능을 이용해 다공성 물질을 설계한 최초의 사례"라며 "기체 흡착 용도에 국한된 것이 아니라 다른 물성에도 쉽게 적용할 수 있어 촉매, 분리, 센서 등 다른 분야의 물질 개발에도 활용될 것으로 기대한다"라고 말했다.
한편 이번 연구는 국제학술지 ‘사이언스 어드밴시스(Science Advances)’ 1월 3일자로 실렸다.