배터리, 반도체 등 산업계 전반에서 혁신적인 신소재를 개발하려는 움직임이 분주하다. 여기에 인공지능(AI) 활용이 많아지고 있다. 시간을 획기적으로 단축할 수 있어 산업계 전반적으로 AI를 활용한 신소개 개발에 속도를 내고 있다. 특히 한정된 자원을 대체하기 위한 신소재를 찾는 움직임이 많아지고 있다.
최근 마이크로소프트(MS)는 미국 에너지부 산하 태평양북서부 국립연구소(PNNL)와 협력, AI와 슈퍼컴퓨팅을 활용해 리튬 배터리를 대체할 수 있는 신소재를 발견했다고 밝혔다. 리튬은 전세계적으로 칠레와 중국, 아르헨티나 등 매장돼 있는 곳이 많지 않은 광물이다. 전기차로의 전환 등으로 배터리의 수요가 늘며 리튬이온배터리의 주재료인 리튬의 수요와 공급은 계속 늘어날 전망이다. 다만 전세계 리튬 매장량은 약 8900만t(톤)으로 추산돼 리사이클링이나 신소재개발의 필요성이 대두되는 광물이다.
MS는 분자 데이터와 슈퍼컴퓨터를 기반으로 훈련한 새로운 ‘화합물 생성 AI’ 모델을 사용했다. 약 3200만개의 잠재적 후보군을 18개로 추려낸 뒤 9개월 간 실험기간을 거쳐 새로운 물질을 찾아냈다. 찾아낸 물질은 ‘N2116’이라고 명명됐으며 식용 소금에서 발견되는 나트륨 성분의 고체 전해질이다.
국내에서도 이러한 움직임이 나타나고 있다. 나경석 한국화학연구원 선임연구원과 박찬영 한국과학기술원(KAIST) 교수 연구팀은 AI를 이용해 높은 정확도로 전구체 물질을 예측할 수 있는 방법론을 개발했다고 지난 12일 밝혔다. 연구팀은 2만여 건의 논문에 보고된 소재 합성 과정과 전구체 물질에 대한 정보를 학습시켜 화학 데이터에 특화된 심층 인공신경망을 구성했다. 이어 2800여건의 물질 합성 실험을 대상으로 80%의 정확도로 합성에 필요한 전구체 물질을 예측에 성공했다. 앞으로 학습 데이터셋을 확장하고 전구체 물질 예측 정확도를 90% 이상 높여 내년까지 웹 기반 공공 서비스 구축을 목표로 하고 있다.
앞서 이강택 KAIST 기계공학과 교수 연구팀은 AI와 계산화학을 결합해 그린수소 및 배터리에 활용될 수 있는 스피넬 산화물(AB2O4) 신소재를 설계하고 성능과 안정성을 예측할 수 있는 기술 개발에 성공했다고 지난해 11월 밝힌 바 있다. 스피넬 산화물은 청정 에너지원인 그린수소나 배터리 분야의 차세대 촉매 및 전극 물질로 활용돼 산소 환원 반응(ORR)과 산소 발생 반응(OER)의 속도를 향상시킬 수 있는 잠재력이 있다. 하지만 수천 개 이상의 후보군을 일일이 실험으로 성능을 확인하기 위해서는 많은 시간과 노력이 소요된다. 연구팀은 이를 해결하기 위해 AI와 계산화학을 동시에 사용해 1240개의 스피넬 산화물 후보 물질을 체계적으로 선별하고, 그중 기존 촉매보다 뛰어난 성능을 보일 촉매 물질들을 찾는 데 성공했다.
업계에 따르면 한정된 자원을 대체할 신소재를 찾아야 하는데 시간적으로나 금전적으로 쉽지만은 않은데 AI가 방법이 될 수 있다는 입장이다.
업계 한 관계자는 “한정된 자원을 리사이클링하거나 절약하는 것만으로는 한계가 명확해 신소재나 다른 대체품을 찾아야 할 필요성이 대두됐다”며 “수천수만 번의 시행착오를 겪어야 얻을 수 있는 결과물을 AI를 활용하면 시간적·금전적인 부담도 줄어들고 개발에 속도가 붙는다”고 설명했다.