유전율, 밴드갭 등 첨단소재의 물성 예측의 정확도를 획기적으로 높일 수 있는 기술이 국내 연구진에 의해 개발됐다.
한국과학기술원(KAIST) 화학과 이억균 명예교수와 김형준 교수 연구팀은 AI를 바탕으로 소재의 물성 예측 정확도를 기존 딥러닝에 비해 40% 가량 높일 수 있는 프로핏-넷'(PROFiT-Net)을 개발했다고 9일 밝혔다.
연구팀은 창원대 생물학화학융합학부 김원준 교수, 미국 UC 머세드 응용수학과 김창호 교수 연구팀과 공동 연구를 통해 소재의 결정 구조뿐만 아니라 최외각 전자 배치, 이온화 에너지, 전기음성도 등 화학의 기본 개념을 학습한 AI로 정확도를 크게 높였다고 설명했다.
연구팀은 물질에 전기장을 걸 때 전기장이 변하는 비율을 뜻하는 유전율과 전류를 흐르게 하는데 필요한 최소한의 에너지 값(밴드갭)) 등 소재의 물성 예측에 있어서 기존 딥러닝 모델보다 오차를 적게는 10%에서 최대 40%까지 줄일 수 있다고 강조했다.
김형준 교수는 "AI 기술이 기초 화학 개념을 바탕으로 더 발전할 수 있다는 가능성을 보여줬다"며 "앞으로 반도체 소재나 기능성 소재 개발 등 다양한 분야에 활용할 수 있을 것"이라고 말했다.
이번 연구 결과는 국제 학술지 미국화학회지(Journal of the American Chemical Society)에 지난달 25일자로 게재됐다.
댓글
0