AI로 열전소재 성능 높일 도핑 원소 쉽게 찾는다

[이데일리 강민구 기자] 국내 연구진이 인공지능과 빅데이터 기술을 활용해 기존보다 더 높은 효율을 가진 열전소재를 개발했다.

한국화학연구원은 장현주·임진오·이예리 화학데이터기반연구센터 박사 연구팀이 정인 서울대 화학생명공학부 교수 연구팀과 함께 인공지능을 활용한 고효율 열전소재를 발견하고, 실험을 통해 이를 검증했다고 밝혔다.

(왼쪽부터)한국화학연구원의 이예리 선임연구원, 장현주 책임연구원, 임진오 선임연구원.(사진=한국화학연구원)

연구팀이 개발한 새로운 도핑 원소가 포함된 고성능 열전소재는 폐열발전, 소형냉장고, 우주탐사선 발전에 쓸 수 있다. 데이터기반 인공지능 모델 활용으로 신소재 개발을 빠르게 하고, 앞으로 신소재, 태양전지, 촉매소재 분야 등에 적용할 수 있다.

그동안 열전소재에 적절한 도핑 원소를 더해 열전 성능을 높일 수 있다는 점이 알려졌지만, 농도 등 최적 조건을 실험으로 찾으려면 시간이 걸리고, 비용이 발생했다.

연구팀은 현존 소재 중 가장 열전 성능이 높은 소재인 ‘셀렌화 주석’에 다양한 도핑 원소를 도입해 열전소재에 대한 연구자료를 모았다. 이후 인공지능으로 도핑에 따른 열전 성능 예측모델을 구축해 ‘셀렌화 주석’의 열전 성능을 높일 최적 조건을 찾았다.

인공지능 기반의 예측모델을 통해 ‘이트리움’을 ‘소디움’과 함께 도핑하면 ‘셀렌화 주석’의 열전 성능이 상용화 수준으로 높게 나타날 것으로 예측했다.

실제 실험을 통해 셀렌화 주석에 ‘이트리움’과 ‘소디움’을 함께 도핑해 합성해 인공지능 모델의 예측치와 같은 수준의 열전 성능을 나타내는 것을 검증했다. 이론 계산으로도 도핑 역할을 분석했다.

연구팀은 인공지능 예측모델을 통해 2800건 이상의 도핑 조건에 대한 열전 성능을 수 분만에 예측했다. 기존 실험에서는 1개의 후보 물질을 합성하고 도핑 효과를 검증하는데 일주일 이상이 걸리는 점과 비교해 시간을 줄였다.

연구에서 사용한 빅데이터는 실험실의 전주기 연구 과정 중에 생성된 샘플의 합성조건과 열전특성 측정 등, 기존에 공개된 데이터에서는 얻을 수 없는 연구자료이다. 연구 과정에서 원하는 결과가 도출되지 않으면 발생하는 ‘다크 데이터’를 구축된 플랫폼을 활용해 버리지 않고 인공지능 모델을 구축해 머신러닝 예측 성능 향상에 도움을 줄 수 있다.

연구팀은 실험과 계산 연구를 통한 고품질 열전소재 빅데이터를 구축했고, 플랫폼을 통해 사람들이 쉽게 활용하도록 제공하고 있다. 빅데이터에 기반한 인공지능 예측모델을 다른 물질로 확대해 적용할 수도 있다.

이미혜 원장은 “데이터기반 소재개발 연구의 대표 성공 사례”라며 “앞으로 후속연구를 통해 연구데이터의 가치와 효용을 극대화해 신소재 개발의 속도를 앞당기고, 다양한 분야에서 연구데이터 수집과 활용이 활발해졌으면 한다”고 말했다.

연구 결과는 국제 학술지인 ‘미국 화학회지(Journal of the American Chemical Society)’ 7월호에 게재됐다.