※ 전체 원문은 관련링크 통하여 확인하실 수 있습니다.

 - 2만 건의 논문 인공지능 학습하여 목적 물질(결과물)의 화학식만으로 합성에 필요한 전구체(재료 물질) 예측
 - 인공지능 분야 최고 권위의 학회 NeurIPS(뉴립스)에 전구체 물질 예측 인공지능 논문 발표
 - 기존에 확보한 정방향 합성 예측 기술과 결합해, 소재 합성 전 과정에 대한 자동화 기술 상용화 기대

□ 국내 연구진이 특정한 소재를 만들려면 어떤 최종 재료 물질이 필요한지 자동으로 알려주는 기술을 개발했다.

  ㅇ 한국화학연구원(원장 이영국) 나경석 선임과 한국과학기술원(KAIST, 총장 이광형) 박찬영 교수 연구팀은 공동연구를 통해 목적 물질의

      화학식 정보만으로 합성에 필요한 최종 재료 물질(전구체 물질*)을 예측하는 인공지능 방법론을 개발하였다.
        * 전구체 물질 : 목표 물질을 만드는 과정에서 필요한 모든 최종 재료 물질

□ 최근 배터리, 반도체 등 다양한 산업 분야에서 첨단 소재는 매우 중요하다. 원하는 소재를 합성하려면 중간 물질을 먼저 찾아야 하는데,

    많은 비용이 드는 반복적인 실험 없이 인공지능(AI)을 활용해 찾으려는 수요가 높다. 

  ㅇ 하지만 기존의 AI 기반 기술은 신약 등 유기 소재에 집중된 반면, 무기 소재에 대한 연구는 상대적으로 부족했다. 금속 등 무기

      화합물은 복잡한 구조와 다양한 원소로 인해 합성 경로를 찾기 어렵기 때문이다. 

□ 연구팀은 X라는 목적 물질의 화학식만으로, 이를 만들기 위해 필요한 전구체 물질 A, B, C, …등을 역방향으로 예측해내는 새로운

    인공지능 방법을 개발했다.

 ㅇ 화학연은 앞서 복잡한 코딩이나 서버 구축 과정 없이 물질 합성에 필요한 정보들을 인공지능으로 예측해주는 ‘ChemAI’ 플랫폼을

    개발해 2022년 기술이전 한 바 있다. 

  ㅇ 이번 기술은 기존 예측 기술의 발전을 가로막았던 무기 소재의 복잡한 3차원 구조, 즉 원자 구조나 결합 정보 등을 요구하지 않는다.

      대신 어떤 원소들이 얼마나 포함되어 있는지 종류와 비율을 살핀다. 그리고 이런 원소들과 목적 물질 간 열역학적 형성 에너지 차이를

      계산해, 합성 반응이 더 쉽게 일어나는 전구체를 찾아낸다.

  ㅇ 또한 전구체 물질 예측의 정확도를 높이기 위해 화학 데이터에 특화된 심층 인공신경망을 구성했다. 심층 인공신경망은 약 2만 건의

      논문에 보고된 소재 합성 과정 및 전구체 물질에 대한 정보를 모두 학습했다. 

출처 : 한국화학연구원 보도자료(25.01.12.)