AI로 신소재 개발 속도 높인다

UNIST 김재업 교수팀 'AI 고분자 시뮬레이션 기술' 개발
기존 딥러닝기법 활용한 것보다 6배 이상 빠른 결론 얻어
딥러닝 위한 데이터 준비·훈련 시간 포함해도 4배 빨라져

인공지능. 게티이미지 제공

[파이낸셜뉴스] 울산과학기술원(UNIST) 물리학과 김재업 교수팀은 고분자 신소재를 빠르게 개발할 수 있는 '인공지능(AI) 고분자 시뮬레이션 기술'을 개발했다. 연구진이 개발한 기술은 기존 딥러닝 기법을 활용한 시뮬레이션보다 6배 이상 빠르게 결론을 얻어낼 수 있다.

김재업 교수는 9일 "이 기술은 AI 딥러닝 위한 데이터 준비와 훈련에 드는 시간 포함해도 기존 대비 최소 4배 이상 빠르다"고 설명했다. 또한 제1저자인 고등과학원(KIAS) 용대성 연구원(UNIST 박사 졸업)은 "지금까지는 작은 고분자계에서 매우 제한적으로 활용됐던 '장이론 시뮬레이션'을 대면적 박막이나 복잡한 형상이 예상되는 고분자에도 사용할 길이 열렸다"고 말했다.

고분자는 옷감이나 플라스틱의 재료로 널리 쓰이고 있다. 사용목적에 따라 소재의 분자를 설계하는데 시뮬레이션을 활용한다.

최근에 새롭게 개발된 '랑주뱅 장이론 시뮬레이션(L-FTS)'도 최적의 고분자 구조를 찾는 작업을 수십만번 이상 반복해야 한다. 계산량이 너무 많아 고성능 그래픽 처리장치(GPU)를 사용해도 시뮬레이션 한 번에 며칠씩 걸렸다.

또 기존에 사용하는 반복법은 대략적인 예측갑에서 실제 결과까지 거리를 계산해 예측치를 수정하는 과정을 반복해 이 지점을 찾아냈는데, 한 번 찾을 때마다 예측 작업을 50회 정도 반복해야 했다.

연구진은 딥러닝을 이용해 반복법의 단점을 해결했다. 인공신경망에 많은 데이터를 주고 훈련을 진행해 예측치를 더 정확하게 얻었다. 이 기술을 사용해 50회씩 반복하던 예측을 2~4회로 줄일 수 있었다. 그결과 기존보다 6배 이상 빠르게 시뮬레이션을 수행할 수 있다. 인공신경망 훈련을 위한 데이터 준비와 훈련에 드는 시간을 포함해도 기존 대비 최소 4배 이상 속도가 향상됐다.

김재업 교수는 "이 기술은 심층인공신경망이 예측한 답을 그대로 사용하는 게 아니라, 예측치와 정답의 차이를 다시 계산해 새로운 입력값을 부여해 더 정밀한 예측이 가능하다"고 설명했다. 즉 몇 번의 예측으로 원하는 수치적 정밀도를 얻을 수 있는 것이다.

한편, 이번 연구결과는 고분자 연구 권위지인 '매크로몰레큘스(Macromolecules)'에 8월 9일자로 발표됐다.

[e-mail] 김만기 기자