성균관대 연구팀, 거대언어모델(LLM) 기반 신소재 합성 레시피 생성 플랫폼 개발
- 4,400여 편의 고상합성 논문 참고한 AI가 새로운 전고체 배터리 전해질 소재의 합성 경로 제시
- 복잡한 실험적 시행착오 획기적으로 줄여… 신소재 개발의 새로운 패러다임 열어

□ 성균관대학교(총장 유지범)는 신소재공학부 조성범 교수 연구팀이 아주대학교 박진성·조현석 교수 연구팀, 미국 매사추세츠 공과대학교(MIT) 주 리(Ju Li) 교수 연구팀과의 공동 연구를 통해 거대언어모델(LLM)을 활용하여 복잡한 신소재의 합성 조건과 절차를 제안하고, 실험 결과를 바탕으로 이를 반복적으로 개선하는 '폐루프(Closed-loop) 신소재 합성 플래닝 플랫폼'을 개발했다고 밝혔다.  

□ 최근 과학계에서는 컴퓨터 계산을 활용해 우수한 성능이 기대되는 새로운 소재 후보를 빠르게 찾아내고 있다. 하지만 이를 실제로 합성하려면 어떤 전구체를 사용하고, 어느 온도에서 얼마 동안 반응시켜야 하는지 등 구체적인 합성 조건을 찾아야 하므로 많은 시행착오가 필요하다. 연구팀은 이러한 시행착오를 줄이기 위해 거대언어모델이 기존 논문에서 유사한 합성 사례를 찾아 새로운 물질에 적합한 레시피를 제안하는 워크플로우를 고안했다. 

□ 연구팀은 먼저 학술지에 출판된 4,407편의 오픈액세스 고상 합성 논문에서 목표 물질, 전구체, 합성 온도, 시간 등 핵심 합성 정보를 추출해 데이터베이스로 구축했다. 이후 연구자가 원하는 물질과 합성 조건을 입력하면, 유사한 기존 합성 사례를 검색하고 이를 바탕으로 후보 레시피를 제안하는 '검색 증강 생성(RAG)' 기술을 적용했다. 제안된 레시피를 실제 논문에 보고된 조건과 비교한 결과, 주요 합성 변수에서 5점 만점의 평가 기준으로 평균 4점 안팎을 기록했다. 

▲ (왼쪽 위부터) 성균관대 신소재공학부 조성범 교수, 전동원 석박통합과정생, 아주대학교 첨단신소재공학과 박진성 교수, 김동휘 석사과정생, 소프트웨어학과 조현석 교수, MIT 재료과학과 Ju Li 교수 

 ▲ 거대언어모델(LLM)이 제안한 합성 레시피를 실험 결과에 따라 반복적으로 개선하는 폐루프(Closed-loop) 과정과 옥시-셀레나이드계 신소재 합성 결과

□ 나아가 연구팀은 이 인공지능 플랫폼을 이용하여 미보고 후보를 포함한 '옥시-셀레나이드(Oxy-selenide)'계 전고체 배터리용 전해질 소재의 합성 실험을 진행했다. 인공지능 모델이 처음 제안한 600℃ 조건에서는 목표 물질 대신 여러 불순물상이 형성됐지만, 연구팀이 해당 실험 결과를 다시 입력하자 모델은 합성 온도를 단계적으로 낮추는 후속 레시피를 제안했다. 연구팀은 이를 바탕으로 450℃와 400℃ 조건을 순차적으로 검증했으며, 단 몇 차례의 실험을 통해 불순물이 검출되지 않는 단일상 신소재 합성에 성공했다. 

□ 이번 연구는 인간 과학자의 실험 경험과 인공지능의 방대한 문헌 지식 활용 능력을 결합해, 신소재 합성 과정의 시행착오와 개발 기간을 줄일 수 있는 가능성을 확인한 사례다. 중·고등학생들이 인터넷에서 기존 요리법을 참고하고, 조리 결과에 따라 재료와 조건을 조정해 자신만의 레시피로 발전시키듯, 미래의 과학자들도 인공지능의 도움을 받아 실험 결과를 신속하게 반영하고 불필요한 시행착오를 줄이며 다양한 신소재의 합성법을 효율적으로 개발할 수 있을 것으로 기대된다. 한편, 이번 연구 논문은 재료과학 분야의 권위 있는 국제학술지 『Advanced Materials』에 게재됐으며, 연구 내용을 시각화한 이미지가 해당 호의 백커버(Back Cover)로 선정됐다. 

※ 논문명: Closed Loop Solid State Synthesis Planning for Materials Discovery with Large Language Models 
※ 학술지: Advanced Materials
※ 논문링크: https://doi.org/10.1002/adma.74502

26년 8월 18일 화요일자 보도자료 - 첨부파일 참조