서울대 공대, 논문 448편 AI 분석해 고온 안정 무연 유전체 개발

멀티모달 문헌 마이닝으로 구축한 데이터와 물리 지식을 학습한 머신러닝 모델이 방대한 무연 유전체 조성 공간을 탐색하고, 후보 소재를 실험으로 검증하는 과정을 형상화한 이미지 (사진= 서울대학교 공과대학 제공)

서울대학교 공과대학 재료공학부 장호원 교수 연구팀이 인공지능(AI)을 활용해 논문에 흩어진 데이터를 분석하는 방식으로 고온에서도 안정적인 무연 유전체를 새로 개발했다. 연구팀은 이 기술이 기존 시행착오 중심의 소재 탐색을 데이터 기반으로 전환할 수 있는 방법이라고 설명했다.

이번 연구는 송관우 석박사통합과정생이 제1저자로 데이터 구축부터 머신러닝 모델 개발, 후보 소재 선별, 실험 검증까지 연구 전 과정을 주도했으며 김영민 석박사통합과정생과 김재현 박사후연구원이 공동 연구자로 참여했다. 연구 결과는 국제학술지 'Nature Communications'에 게재됐다.

논문 448편에서 데이터 1202건 추출

연구팀은 대규모 언어모델로 논문 본문과 표에서 조성·공정 조건을 정리하고 그래프를 수치 데이터로 변환해 온도별 유전 특성을 읽어내는 '멀티모달 문헌 마이닝' 기법을 적용했다. 이를 통해 논문 448편에서 조성·공정·유전 특성 데이터 1202건을 확보했으며, 원소 조성과 미세구조 등 물리 지표 22개를 함께 반영해 하나의 학습 데이터로 통합했다.

가상 조성 1억5000만개 중 37개 후보로 압축

연구팀은 서로 다르게 학습된 머신러닝 모델 30개를 결합해 유전율과 온도 안정성에 관한 핵심 지표 3가지를 동시에 예측하고, 모델 간 예측 일치도가 높은 후보를 우선 선별하도록 설계했다. 약 1억5000만 개에 이르는 가상 조성 공간에 사전 설정한 성능 목표와 물리·화학 조건을 적용해 후보를 37개로 좁혔고, 이 중 후보가 가장 많이 남은 조성 계열에서 성분 비율을 정밀 조정해 두 조성을 실험 대상으로 확정했다.

주석 치환 시료, 상온 유전율 3422·3307 기록

실험 결과 주석(Sn)을 1mol%와 2mol% 치환한 두 시료는 상온에서 각각 유전율 3422와 3307을 나타냈다. 두 시료는 적층세라믹콘덴서 국제 규격인 X5R·X6R·X7R의 고온 안정성 기준을 모두 충족했으며, 현재 널리 쓰이는 티탄산바륨(BaTiO₃)과 비교해도 더 넓은 온도 범위에서 높은 유전율을 안정적으로 유지하는 것으로 확인됐다.

장호원 교수는 "이번 연구는 여러 논문에 흩어진 정보를 학습 데이터로 통합한 뒤 물리 법칙과 모델 간 예측의 일관성을 함께 따져 실제 합성 후보까지 좁혔다는 점에서 의미가 있다"고 밝혔다. 연구팀은 이번 멀티모달 문헌 마이닝과 물리 기반 머신러닝 결합 전략이 유전체뿐 아니라 데이터가 여러 문헌에 분산된 다른 기능성 산화물·박막 소재 개발에도 활용될 수 있을 것으로 내다봤다.

출처 : 서울대학교 공과대학 보도자료(뉴스와이어)

· · · · · · · · · ·

▶ 메이사, KAI 국방 시뮬레이터에 공간 AI 3D 지형맵 공급…2년간 개발

▶ 피클플러스·에이아이브, 분산자원 기반 ‘퍼스널 하이브리드 AI 에이전트’ 공동 개발

· · · · · · · · · ·