[삼성 AI 포럼 2021] 새로운 소재 개발에 드는 막대한 시간, 이젠 인공지능으로 극복한다

삼성 AI 포럼 2021 첫 날 두 번째 세션
삼성종합기술원, 인공지능으로 소재 개발해 사회과학 문제 해결
시더 교수, 소개 개발에 드는 막대한 시간 단축에 획기적
메레딕, 샘플 편향 발생과 데이터 범위 작을 때 해결법 제시

 

(출처=행사 캡쳐)

인간이 직접 새로운 소재를 개발하고 합성까지 성공하는데 드는 시간은 막대하다. 정확성 문제도 만만찮다. 반면 인공지능(AI)을 사용한 소재 개발은 시간을 획기적으로 단축할 뿐 아니라 정확성까지 높인다.

 

삼성전자는 1일 진행한 ‘삼성 AI 포럼 2021’ 두 번째 세션에서, 인공지능이 소재 개발에 드는 시간과 정확성 문제를 해결할 수 있는 방안에 대해 논의했다. 

 

해당 세션에는 삼성종합기술원 최영상 부사장, 캘리포니아 대학교 버클리(Berkeley, UC) 재료과학 및 공학 거브란트 시더(Gerbrand Ceder) 석좌 교수, ‘시트린 인포매틱스(Citrine Informatics)’ 설립자 브라이스 메레딕(Bryce Meredig)이 참가했다. 

 

◆ 인공지능으로 개발한 소재 기술로 사회과학 문제 극복

 

최영상 부사장 (출처=행사 캡쳐)

삼성종합기술원 최영상 부사장은 "삼성전자는 사회적, 과학적 문제를 해결하기 위해 인공지능 기반의 소재 설계에 높은 관심을 가지고 있다"고 강조했다.

 

최 부사장은 “수년동안 삼성종합기술원(SAIT)은 “지금까지 축적한 경험과 전문가 지식, 데이터를 통합해 반도체, 디스플레이, 배터리 소재 설계에 활용한다”고 강조했다. “인공지능에 의해 발전된 소재들은 삼성 제품 뿐만아니라 신약 개발 등 다양한 분야에도 사용될 수 있다”고 말했다.

 

그는 “최근 삼성전자는 분자의 핵심 특성을 예측하는 인공지능 알고리즘 개발에 성공했다”고도 소개했다. 최 부사장은 "현재 최신 DFT(디자인 포 테스트)은 시뮬레이션 분자특성을 평가하는데 몇 시간이 걸리지만, 삼성이 개발한 딥러닝 모델은 수 초안에 특성을 빠르게 평가할 수 있다"며 "새로운 분자 구조를 설계하는 기술 개발이 가능하다”고 강조했다. 

 

최 부사장은 유기 분자 합성을 위한 자동화 물질 개발 플랫폼도 개발 중임을 밝혔다. “현재 합성과 검증을 위해 로봇기술이 적용된 자동화된 화학 실험을 수행하고 있다”고 덧붙였다. 

 

(출처=행사 캡쳐)

그는 미세먼지 오염 예측과 관련해 ‘삼성 미세먼지 연구소(Samsung Particulate Matter Research Institute)’를 소개했다.

“대기 미세먼지 분포 예측하기 위해 머신러닝 모델 개발 중”이며, “학습을 위해  위성 데이터와 11가지 기상 조건 데이터 수집했다”고 밝혔다. 최 부사장은 “출력을 위해 지상 관측소에서 측정된 초미세먼지 농도(PM2.5) 데이터를 수집했다”며, “랜덤 포레스트 모델을 학습시켰고 전국 미세먼지 농도 예측에 성공했다”고 강조했다.

 

◆ 기계 학습, 소재 개발 시간 획기적 단축 가능해져

 

(출처=행사 캡쳐)

캘리포니아 대학교 버클리 (Berkeley, UC) 재료과학 및 공학 거브란트 시더(Gerbrand Ceder) 석좌 교수는 소재 연구 발전을 위해 기계 학습에 대한 연구와 향후 미래 연구에 대해 소개했다.

 

시더 교수는 “소재 혁신은 중요하지만 상용화되기까지 과정이 매우 느리다”고 지적했다. “연구에 따르면, 상용화까지 걸리는 시간이 약 18년이다”며 “그 유명한 리튬이온 배터리조차 소니(SONY)가 상용화하는 데 15년 걸렸다”고 말했다.

 

시더는 “기계 학습을 이용하면 보다 수학적으로 정확하고 빠른 방법으로 소재 찾는 작업을 수행할 수 있다”고 말했다. 그는 “기계 학습은 합성 반응을 제어할 수 있는 중요한 물리적, 화학적 메커니즘을 파악하고 있다”며, “기계 학습을 사용하여 학습시킬 때의 실험 데이터를 해석할 수 있다”고 강조했다. 시저 교수는 이것이 기계가 사람보다도 나은 예시라 생각한다고 강조했다.

 

시더 교수는 향후 “어떤 화합물을 만드는 것이 좋을지 안내”해줄 수 있지만, 문제는 “합성에서도 자동화와 기계 학습이 주도할 수 있는지” 스스로 물었다. 즉, 본질적으로 무엇을 만들어야 하고 무엇을 결합해야 하는지 알려주는 기계를 만들 수 있을지 의문점을 품었다. 그는 “대부분의 경우 합성은 처음에는 제대로 진행이 안 된다”며  “인공지능 의사 결정 알고리즘을 사용하며 합성의 다음 단계를 결정한다”고 답했다.

 

(출처=행사 캡쳐)

그는 향후 “계산과 기계 학습이 실험, 실험의 해석, 의사 결정을 주도하는  전자동화된 연구실을 갖추게 될 것”이라며, “미래에는 사회의 이익을 위해 소재 연구를 가속화하는 그런 일들이 실현되기를 바란다”고 언급했다.

 

◆ 샘플 편향과 데이터 범위 한계 극복법 제시

 

(출처=행사 캡쳐)

시트린 인포매틱스(Citrine Informatics)는 미국 캘리포니아 실리콘밸리에 있는 소재 정보학 소프트웨어 플랫폼 기업이다. 설립자 브라이스 메레딕(Bryce Meredig)은 “Citrine 플랫폼은 고객이 모든 소재 데이터와 지식을 한곳에 집중하여 인공지능을 활용해 생성한 데이터를 통해 체계적인 이해를 함으로써 기존보다 혁신을 가속화할 수 있게 해준다”고 소개했다.

 

브라이스 메레딕은 “기업 시트린(Citrine) 관점에서 인공지능은 산업 소재 설계에 널리 사용되는 도구가 됐다”고 소개했다.

 

메레딕은 샘플 현황과 데이터 범위 관련한 한계점과 해결법을 제시했다. 

 

“샘플은 고도로 밀집돼 샘플 편향이 있을 수 있다”고 그는 언급했다. “특정 응용 분야, 특정 화합물에 적합한 소재를 발견할 때마다 그 화합물 근처에서 후속 실험을 할 가능성이 매우 높은 것”이 이유다.

 

또 “과학 및 공학 대부분 분야에서 부정적인 결과가 비난받고 있기 때문이다”고 그는 설명했다. 메레딕은 “인공지능 기계 학습 맥락에서 부정적인 것은 꽤 가치가 있다”며, “부정적인 예제와 기능하지 않는 소재 예시가 필요한 경우가 종종 있다”고 밝혔다. 

 

샘플 편향 해결법으론 “의미있는 후보와 덜 흥미로운 소재들을 분리하는 일을 잘 하는 모델을 학습할 필요가 있다”고 그는 설명했다. 즉 “교차 검증 방법을 분야에 따라 조정”함으로써 샘플 편향을 해결하는 방법이다. 

 

메레딕은 “데이터 범위가 작을 경우, 방대한 물리적 지식을 어떻게 수용할지 생각해야 한다”고 언급했다. 데이터가 충분치 않을 경우 “물리 기반 시뮬레이션으로부터 전이학습을 하는 것”이라고 덧붙였다. 

 

AI타임스 김미정 기자 kimj7521@aitimes.com

 

Copyright © '인공지능 전문미디어' AI타임스 (http://www.aitimes.com/)
무단전재 및 재배포 금지

 

[삼성 AI 포럼 2021] 새로운 소재 개발에 드는 막대한 시간, 이젠 인공지능으로 극복한다 - AI타임스