[로이슈 전여송 기자] 성균관대학교 신소재공학부 조성범 교수 연구팀이 아주대학교 박진성·조현석 교수 연구팀, 미국 매사추세츠공과대학교(MIT) 주 리 교수 연구팀과 공동으로 거대언어모델(LLM)을 활용해 신소재의 합성 조건과 절차를 제안하고 실험 결과를 반영해 이를 개선하는 폐루프 신소재 합성 플래닝 플랫폼을 개발했다고 18일 밝혔다.

이번 연구는 기존 논문에서 유사한 합성 사례를 찾아 새로운 물질에 적용할 합성 조건을 제안하고, 실제 실험 결과를 다시 인공지능 모델에 입력해 후속 합성 조건을 도출하는 방식을 골자로 한다.

신소재 후보를 컴퓨터 계산으로 발굴하더라도 실제 합성을 위해서는 전구체와 반응 온도, 시간 등 구체적인 조건을 찾아야 한다. 연구팀은 이 과정에서 발생하는 시행착오를 줄이기 위해 거대언어모델이 기존 연구 사례를 참고해 합성 레시피를 제안하도록 했다.

연구팀은 학술지에 출판된 4,407편의 오픈액세스 고상합성 논문에서 목표 물질과 전구체, 합성 온도, 시간 등 핵심 정보를 추출해 데이터베이스를 구축했다.

연구자가 원하는 물질과 합성 조건을 입력하면 유사한 기존 합성 사례를 검색하고 이를 토대로 후보 레시피를 생성하는 검색 증강 생성(RAG) 기술도 적용했다. 제안된 레시피를 실제 논문에 보고된 조건과 비교한 결과 주요 합성 변수에서 5점 만점 기준 평균 4점 안팎의 평가를 받았다.

연구팀은 해당 플랫폼을 활용해 미보고 후보를 포함한 옥시-셀레나이드 계열 전고체 배터리용 전해질 소재의 합성도 진행했다.

인공지능 모델이 처음 제안한 600도 조건에서는 목표 물질 대신 여러 불순물상이 형성됐다. 연구팀이 이 실험 결과를 모델에 다시 입력하자 합성 온도를 단계적으로 낮추는 후속 레시피가 제시됐다.

연구팀은 이를 토대로 450도와 400도 조건을 순차적으로 검증했으며, 이후 불순물이 검출되지 않는 단일상 신소재를 합성했다. 연구팀은 이를 통해 실험 결과를 인공지능 모델에 다시 반영하면서 합성 조건을 조정하는 폐루프 방식의 적용 가능성을 확인했다.

연구 결과는 재료과학 분야 국제학술지 ‘Advanced Materials’에 게재됐으며, 연구 내용을 시각화한 이미지는 해당 호 백커버로 선정됐다.

성균관대학교 신소재공학부 조성범 교수 연구팀은 이번 연구를 통해 인간 연구자의 실험 경험과 인공지능의 문헌 검색·활용 능력을 결합해 신소재 합성 과정에서 필요한 실험 횟수와 개발 기간을 줄일 가능성을 확인했다고 설명했다.

전여송 로이슈(lawissue) 기자 arrive71@lawissue.co.kr