한양대, 생성형 AI로 고엔트로피 소재 합성 예측 기술 개발

한양대 김경학 교수 연구팀이 생성형 AI를 활용해 고엔트로피 소재의 합성 가능성을 85% 이상 정확도로 예측하는 기술을 개발했다. 약 32만 개의 무기 화합물 데이터를 학습한 도메인 특화 로컬 대규모 언어 모델(LLM)을 기반으로 특정 화학 조성 입력 시 실제 합성 가능 여부를 판단하는 방식이다.

기존 신소재 탐색은 조합 경우의 수가 방대해 시간과 비용이 많이 들었으나, 이번 기술은 AI가 실제 만들 수 있는 후보 물질을 먼저 걸러낸다. 연구팀은 외부 상용 AI 서비스에 의존하지 않고 오픈소스 기반 로컬 LLM을 소재 과학에 맞게 미세 조정했으며, 4비트 양자화 기술으로 15GB 미만의 그래픽카드 메모리에서도 작동하도록 설계했다.

고엔트로피 소재는 항공우주, 에너지, 촉매, 반도체 등 다양한 분야에서 활용 가능하며, 이번 기술은 합성 실패 데이터까지 학습 자원으로 활용하는 폐쇄 루프 연구 방식을 제안했다. 향후 성능 예측 AI와 강화학습을 연계해 소재 자율연구 및 무인 연구실 플랫폼 개발을 추진할 계획이다.