김지한 교수팀, 사이언스 어드밴시스 연구성과 게재
촉매·분리·센서 등 물질 개발 활용 기대

김지한 KAIST 교수팀이 센서, 약물전달 등 다양한 분야에 활용되는 다공성 물질을 역설계하는 방법을 개발했다<사진=KAIST 제공>.
김지한 KAIST 교수팀이 센서, 약물전달 등 다양한 분야에 활용되는 다공성 물질을 역설계하는 방법을 개발했다<사진=KAIST 제공>.
KAIST(총장 신성철)는 김지한 생명화학공학과 교수팀이 AI(인공지능)를 활용해 원하는 물성의 다공성 물질을 역설계하는 방법을 개발했다고 7일 밝혔다. 연구결과는 사이언스 어드밴시스 지난 3일자 온라인판에 게재됐다. 

다공성 물질은 넓은 표면적과 풍부한 내부 공극을 가지고있다. 촉매 기체저장 및 분리, 센서, 약물 전달 등 다양한 분야에 활용된다.

하지만 다공성 물질을 개발하기 위해서는 반복적 실험이 필요해 시간과 비용이 많이 소모됐다. 낭비를 줄이기 위해 가상 구조를 스크리닝해 다공성 물질 개발을 가속화 하려는 시도들이 있었지만 데이터베이스에 존재하지 않는 새로운 구조를 발견하지 못한다는 문제가 있었다.

연구팀은 AI 기술과 분자 시뮬레이션 기술을 활용해 다공성 물질의 한 종류인 제올라이트 구조 설계방법을 개발하는데 성공했다. 인공지능 생성모델인 적대적 생성 신경망(GAN)과 기존 분자 시뮬레이션에서 활용되는 3차원 그리드 데이터를 활용해 복잡한 다공성 물질의 특성을 인공지능이 학습하고 생성할 수 있도록 구조를 개발했다.

연구팀에 따르면 개발된 인공신경망 생성모델은 3차원 그리드로 이루어진 구조 정보와 흡착 물성 데이터를 같이 학습하게 되며, 학습 과정 안에서 흡착 물성을 빠르게 계산할 수 있다. 이를 통해 에너지 저장 소재의 특성을 효율적으로 학습할 수 있음을 증명했다.

연구팀은 이 외에도 AI 학습과정에서 기존에 알려진 제올라이트 구조 중 일부를 제외해 학습시킨 결과 AI가 새로운 구조들을 생성할 수 있음을 확인했다.

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"고 말했다.

저작권자 © 헬로디디 무단전재 및 재배포 금지