화학반응을 돕는 촉매는 산업과 에너지 분야에서 없어서는 안 될 핵심 소재다. 하지만 촉매는 반응이 일어나는 순간에도 온도와 압력 등에 따라 원자 배열과 표면 성분이 끊임없이 달라진다. 수많은 원자 조합 가운데 가장 효율적인 구조를 찾아내는 일은 연구자들에게 여전히 쉽지 않은 과제다.
이처럼 복잡한 촉매의 세계에 인공지능(AI)을 접목해 새로운 돌파구를 찾는 연구가 대구경북과학기술원(DGIST)에서 추진된다. AI가 촉매의 구조를 스스로 제안하고, 계산과 평가를 거쳐 최적의 구조를 찾아가는 자율 탐색 기술 개발에 나서는 것이다.
DGIST는 에너지공학과 이태훈 교수(반도체공학과 겸임)가 세계적인 AI 기업 엔비디아(NVIDIA)의 연구 지원 프로그램인 ‘NVIDIA Academic Grant Program’에 선정됐다고 18일 밝혔다.
이번 선정으로 이 교수는 고성능 GPU인 ‘RTX PRO 6000 Server Edition’을 지원받아 ‘촉매 구조의 자율 탐색을 위한 에이전틱 AI(Grand-Canonical Agentic AI for Autonomous Discovery of Catalytic Structures)’ 연구를 수행한다.
연구의 핵심은 머신러닝과 대규모 언어모델(LLM)을 결합해 AI가 촉매의 최적 구조를 스스로 찾아내도록 하는 것이다.
기존에는 촉매의 원자 배열과 표면 변화를 정밀하게 분석하기 위해 양자역학 기반 계산을 활용했지만, 가능한 구조 조합이 워낙 방대한 데다 계산에 많은 시간과 연산 자원이 필요했다. 특히 실제 화학반응에서는 분자가 촉매 표면에 붙거나 떨어지는 과정이 반복되기 때문에 반응 환경에 따른 구조 변화를 함께 살펴야 한다.
이 교수 연구팀은 이러한 한계를 극복하기 위해 양자역학 계산 데이터를 학습한 머신러닝 원자간 퍼텐셜(MLIP)을 활용해 계산 속도를 높이고, 촉매의 성분과 구조를 동시에 최적화하는 기술을 개발할 계획이다.
여기에 LLM 기반 AI 에이전트를 접목하는 것이 이번 연구의 차별점이다. 촉매 성분과 실험 정보 등을 입력하면 AI가 적합한 후보 구조를 제안하고, 계산과 평가를 반복하면서 새로운 가능성을 찾아가는 방식으로, 연구자가 일일이 수많은 구조를 검토하던 기존 방식에서 벗어나 AI가 탐색 과정을 주도하는 연구 체계를 구축하겠다는 구상이다.
지원받은 고성능 GPU는 머신러닝 모델 학습과 대규모 촉매 구조 탐색에 활용되며, 연구가 성공적으로 진행되면 실제 반응 조건에서 나타날 가능성이 높은 촉매 구조를 예측하고, 실험을 통한 검증과 고효율 촉매 설계에도 활용할 수 있을 것으로 기대된다.
이태훈 교수는 “실제 반응 조건에서 촉매가 어떤 구조로 작동하는지 이해하는 것이 촉매 설계의 출발점”이며, “AI가 스스로 촉매 구조를 제안하고 검증하는 자율 탐색 체계를 구축하고, 실험 연구진과의 협력을 통해 실제 촉매 설계에 활용할 수 있도록 발전시켜 나가겠다”고 말했다.
한편 이 교수는 양자역학 기반 정밀 계산(DFT)과 머신러닝 기반 분자동역학을 활용해 반도체와 에너지 소재의 결함, 표면, 계면 현상을 원자 수준에서 규명하는 연구를 이어왔다. 최근에는 생성형 AI와 LLM 기반 AI 에이전트를 활용한 차세대 소재 탐색 및 설계 연구로 영역을 넓히고 있다.
이번 연구는 AI를 단순한 계산 보조 도구에서 벗어나 새로운 소재를 직접 탐색하고 설계하는 연구 파트너로 발전시킨다는 점에서 주목된다.
구글에서 프레시안을 더 자주 만나기

전체댓글 0