'물리법칙 아는 AI'…적은 데이터로 신소재 탐색 더 빠르게

(대전=뉴스1) 김종서 기자 = 물리법칙을 인공지능(AI)과 결합한 물리 기반 머신러닝(PIML) 기법을 통해 적은 데이터로도 신속히 신소재를 탐색하는 기반이 마련됐다.

한국과학기술원(KAIST)은 기계공학과 유승화 교수 연구팀이 경희대 임재혁 교수 연구팀, 한국전기연구원(KERI) 류병기 박사와 공동 연구를 통해 '물리 기반 인공 신경망(PINN)' 기법을 제시했다고 2일 밝혔다.

단 한 번의 실험에서 얻은 적은 양의 데이터만으로도 재료의 변형 모습과 성질을 동시에 알아낼 수 있게 됐다. 기존에는 많은 양의 복잡한 데이터를 모아야만 가능했던 일이다.

연구팀은 "데이터가 부족하거나 제한적이고 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 입증했다는 데 의의가 있다"고 설명했다.

또 열을 전기로 바꾸고 전기를 다시 열로 바꾸는 '열전 소재'를 대상으로도 단 몇 개의 측정값만으로 열을 얼마나 잘 전달하는지(열전도도), 전기를 얼마나 잘 만들어내는지(제벡 계수) 같은 핵심 지표를 추정할 수 있는 PINN 기반 역추정 기법을 제안했다.

나아가 연구팀은 자연의 물리 법칙까지 이해하는 AI인 '물리 기반 신경 연산자'(PINO)를 도입해 학습되지 않은 신소재에도 재학습 과정 없이 일반화가 가능함을 보여줬다.

실제 20개 소재로 학습한 뒤 새로운 소재 60개를 대상으로 테스트한 결과, 모두 높은 정확도로 성질을 맞혀냈다. 이로써 앞으로 수많은 신소재 후보를 빠르게 골라내는 고속·대량 소재 탐색이 가능해질 전망이다.

유 교수는 "이번 성과는 물리 법칙을 이해하는 AI를 실제 소재 연구에 적용한 첫 사례"라며 "데이터 확보가 제한적인 상황에서도 물성을 신뢰성 있게 규명할 수 있어 다양한 공학 분야로 확산할 것"이라고 말했다.

각각의 연구는 국제 학술지 '컴퓨터 매써드 인 어플라이드 머케닉스 엔 엔지니어링(Computer Methods in Applied Mechanics and Engineering)', '엔피제이 컴퓨테이셔널 머티리얼즈(npj Computational Materials)'에 게재됐다.

jongseo12@news1.kr