울산과학기술원(UNIST) 연구진들이 신소재 연구 속도를 크게 향상시킬 수 있는 인공지능(AI) 기술을 개발하는 데 성공했다.
김재업 UNIST 물리학과 교수팀은 고분자 신소재 연구 개발에 필요한 계산 시간을 기존 일주일에서 하루로 단축할 수 있는‘AI 고분자(polymer) 시뮬레이션 기술’을 개발했다고 9일 밝혔다. 인공지능 교육 및 데이터 준비 등의 시간을 감안하면 최종적인 연구속도는 4배 정도 향상될 것으로 보인다.
고분자(polymer)는 분자량이 대략 1만 이상으로 매우 큰 거대 분자로 구성된 물질이다. 우리가 일상생활에서 자주 사용하는 플라스틱이나 다양한 옷감들이 고분자 화합물에 속한다. 때문에 학계에서는 고분자 신소재 개발을 위해 다양한 연구를 진행 중이다.
이때 고분자계의 통계물리학적 특성을 정밀하게 계산할 수 있는 차세대 이론 도구로 주목받는 기술은 ‘랑주뱅 장이론 시뮬레이션(L-FTS)’이다. 하지만 계산량이 너무 많아 고성능 GPU(그래픽 처리장치)를 사용해도 시뮬레이션 한 번에 일주일 이상 걸린다는 단점이 있다.
실제로 L-FTS를 수행하려면 고분자의 비압축성(힘을 받아도 부피가 줄어들지 않는 성질)이 성립하는 지점을 찾는 작업을 수십만 번 이상 수행해야 한다. 이 반복법은 대략 예측한 값에서 실제 결과까지 거리를 계산해 예측치를 수정하는 과정을 반복해 이 지점을 찾아내는데, 한 번 찾을 때마다 예측 작업을 50회 정도 반복해야 한다.
김 교수팀은 이런 단점을 극복하기 위해 AI의 ‘딥러닝’ 기술을 이용하는 방법을 고안해냈다. 인공신경망에 많은 데이터를 주고 훈련을 진행해 예측치를 더 정확하게 도출하게 만든 것이다. 연구팀은 딥러닝에 사용되는 인공신경망의 함수 근사능력을 닫힌 형태의 함수를 직접적으로 근사했다. 그 결과 고분자의 비압축성이 성립하는 지점인 ‘안장점(saddle point)’에 가깝게 접근하는 데 성공했다.
연구팀은 이번에 개발된 기술을 이용하면 50회씩 반복하던 예측을 2~4회로 줄일 수 있을 것으로 보고 있다. 시뮬레이션 속도도 기존보다 6배 이상 빨라졌다. 또한 인공신경망 훈련을 위한 데이터 준비 및 훈련에 드는 시간을 포함해도 기존 대비 최소 4배 이상 속도가 향상될 것으로 예상했다.
김 교수는 “이번 기술은 심층인공신경망이 예측한 답을 그대로 사용하는 게 아니라, 예측치와 정답의 차이를 다시 계산해 새로운 입력값을 부여해 더 정밀한 예측이 가능하다”며 “이 덕분에 몇 번의 예측으로 원하는 수치적 정밀도를 얻을 수 있다”고 설명했다.
UNIST 물리학과 박사를 졸업한 논문 제1저자인 용대성 고등과학원(KIAS) 연구원은 “작은 고분자계에서 매우 제한적으로 수행됐던 장이론 시뮬레이션을 대면적 박막이나 복잡한 형상이 예상되는 고분자에도 사용할 길이 열렸다”고 밝혔다.
이번 연구 성과는 ‘오픈소스 프로그램’으로 공개됐으며, 연구 성과는 국제 고분자 연구 권위지인 ‘매크로몰레큘스(Macromolecules)’에 8월 9일자로 게재됐다.