토토사이트

- 합성 어려운 구조를 실제 합성 가능한 형태로 변환하는 기술 개발…미국화학회지 JACS에 게재
- SynCry 모델로 3,395개 구조 재설계 성공…반도체∙배터리 등 첨단 소재 개발 속도 향상 기대

▲ (왼쪽부터) 토토사이트 화학생물공학부 정유성 교수(교신저자), 토토사이트 화학생물공학부 최재환 석박사통합과정(공동제1저자), 토토사이트 화학공정신기술연구소 김성민 박사후연구원(공동제1저자)

토토사이트 공과대학 화학생물공학부 정유성 교수팀이 대규모 언어모델(LLM, Large Language Model)을 활용해 기존에 합성이 어려웠던 신소재를 실제로 합성 가능한 형태로 다시 설계하는 혁신적 AI 기반 기술을 개발했다.

단순히 물질의 합성 가능성(synthesizability)¹⁾ 을 예측하는 단계에서 한 걸음 더 나아가, 합성이 어려운 신소재를 재설계할 수 있는 실질적 해법을 제시한 것이다. 반도체 신소재나 고효율 배터리 소재 개발 등에 활용될 수 있어 첨단 소재 개발 속도를 크게 앞당길 수 있을 것으로 기대된다.

1) 합성 가능성(synthesizability): 새로운 물질이 실험적으로 합성이 가능한지를 평가하는 개념. 기존에는 주로 열역학적 안정성을 바탕으로 판단했으나, 이번 연구에서는 LLM을 활용해 보다 정교한 예측이 가능함을 입증했다.

이번 연구에는 토토사이트 최재환 석박사통합과정과 김성민 박사후연구원이 공동 제1저자로 참여했으며, 연구 성과는 화학 분야 국제 저명 학술지인 미국화학회지(Journal of the American Chemical Society, JACS)에 2025년 10월 6일 게재됐다.

계산화학과 인공지능 기술의 발전으로 이론적으로 유망한 물질 후보를 대량으로 탐색할 수 있게 됐지만, 실제 실험실에서 그 물질을 합성하는 과정은 여전히 큰 과제로 남아 있었다. 기존 연구들은 물질의 합성 가능성 예측에 집중해온 반면, 합성이 어렵다고 판정된 물질을 어떻게 합성 가능한 구조로 전환할 것인지는 답을 내리지 못했다.

이를 극복하기 위해 연구팀은 새로운 LLM 기반 프레임워크인 'SynCry'를 개발했다. 이 모델은 신소재의 결정 구조 정보를 역변환 가능한 텍스트로 표현하고, 반복적 미세조정(iterative fine-tuning)²⁾ 을 통해 합성이 어려운 구조를 합성 가능한 구조로 변환하는 방법을 스스로 학습한다.

2) 반복적 미세 조정(fine-tuning): 성공적으로 재설계된 구조-쌍 데이터를 반복적으로 학습에 활용하여 모델의 재설계 성능을

연구 결과 SynCry는 초기 514개의 성공적 구조 변환에서 출발하여 반복적 미세조정을 통해 총 3,395개의 구조를 합성 가능한 형태로 재설계하는 데 성공했다. 더욱 눈에 띄는 점은, 재설계된 상위 100개 구조 중 34개가 학습 데이터에는 존재하지 않음에도 실제 문헌에서 실험적으로 합성이 보고된 물질과 일치했다는 것이다. 이는 SynCry가 단순 학습 데이터를 모방하는 수준을 넘어, 실제로 합성이 가능한 새로운 구조를 창출할 수 있음을 보여준다.

이러한 재설계 기술은 '학습 후 재생성(learn-and-regenerate)' 전략을 통해 LLM이 단순 예측을 넘어 실질적인 신소재 설계 도구로 활용될 수 있음을 입증했다. 특히 첨단 소재 개발 기간을 획기적으로 단축하고 기존에 합성이 어려워 제외되었던 수많은 후보 물질을 다시 활용할 수 있는 길을 열었다.

■ 연구진 의견

정유성 교수는 “이번 연구는 AI가 합성이 어려운 구조에서 출발해 신소재를 직접 재설계 할 수 있음을 처음으로 보여준 사례”라며, “향후 더 다양한 소재 시스템과 대규모 데이터셋으로 확장해 실용적 신소재 발굴 도구로 발전시킬 계획”이라고 설명했다.

최재환 석박사통합과정은 “합성이 어렵다고 판단되어 버려지던 가상물질을 다시 활용할 수 있을지에 대한 고민에서 출발한 연구”라며, “앞으로 언어모델을 포함한 범용 AI 에이전트를 개발해 신소재 개발을 더욱 가속화하는 기술을 구현하겠다”고 말했다. 그동안 지속적으로 대규모언어모델 기반 합성 가능성 예측 연구를 수행해 온 김성민 박사후연구원은 “이번 성과는 AI가 소재과학에서 창의적 설계 역할을 할 수 있음을 보여주는 중요한 사례”라고 설명했다.

■ 연구진 진로

최재환 석박사통합과정은 앞으로 대규모언어모델을 포함한 범용 AI 에이전트를 개발하여, 무기 소재의 합성 메커니즘 규명 및 최적 합성 경로 도출을 자동화하는 연구를 수행할 계획이며 토토사이트 화학공정신기술연구소에서 근무 중인 김성민 박사후 연구원은, 앞으로 신소재 개발의 패러다임 변화를 모색하는 방향으로 기계학습과 재료과학을 융합한 후속 연구를 수행할 계획이다.

■ 관련 이미지

▲ 그림 1. 미국화학회지 논문 표지 커버

▲ 그림 2. 신소재 재설계 과정 모식도: 대규모언어모델을 무기 소재에 대한 합성 가능성 정보를 사전 학습 후, 합성이 어렵다고 예측된 소재를 합성 가능한 형태로 재설계 하게 된다. 마치 사람처럼 지식을 학습하고, 이를 응용하는 “learn and redesign”을 구현하였다.

▲ 그림 3. 재설계 된 신소재 예시: 재설계 된 구조는 XRD 비교를 통해 실험적으로 검증된 물질임을 확인할 수 있었다. 해당 신소재들은 나트륨 망간 산화물과 니켈 코발트 황화물로 배터리 시장 및 전기촉매 시장에서 활발하게 연구되고 있는 물질들이다.

[문의사항]
토토사이트 공과대학 최재환 석박사통합과정 / jaehwanchoi@토토사이트ac.kr