신소재 발굴 빠르게···딥러닝으로 소재 합성 가능성 예측

[이데일리 강민구 기자] 한국과학기술원(KAIST)은 정유성 생명화학공학과 교수 연구팀이 딥러닝을 활용해 소재의 합성 가능성을 높은 정확도로 예측하는 기술을 개발했다고 22일 밝혔다.

신소재 설계는 소재를 설계하고, 실험으로 합성하는 것이다. 새로 설계된 소재 대부분이 실제 합성 단계에서 성공하지 못하고 버려져 시간과 자원의 낭비가 발생했다.

소재 합성 여부는 반응 조건, 열역학, 반응 속도, 소재 구조 등 다양한 요인에 의해 결정되기 때문에 소재의 합성 가능성을 예측하는 것이 도전적 과제로 여겨졌다.

개발된 소재 합성 가능성 예측 모델 모식도.(자료=한국과학기술원)

이를 해결하기 위해 열역학적 안정성만을 고려해 고체 소재의 합성 가능성을 추정하지만, 정확도가 떨어졌다. 에너지적으로 안정된 물질도 합성이 안 되는 경우가 빈번하고, 열역학적으로 안정된 상태가 아닌 준안정 상태의 물질 합성 사례도 많았다. 따라서 합성 가능성에 대한 예측 정확도를 높일 방법이 필요했다.

연구팀은 소재의 합성 가능성 예측기술을 개발해 기존에 합성이 알려진 고체 소재들의 구조적 유사성을 그래프 합성 곱 신경망(GCN)으로 학습해 새로운 소재의 합성 가능성 예측에 활용토록 했다.

연구팀은 5만여종의 이미 합성이 알려진 물질과 8만여종의 가상 물질로 이뤄진 ‘머터리얼스 프로젝트(Materials Project)’라는 소재 관련 데이터베이스를 이용해 모델을 구축했다. 이어 기술을 적용한 결과, 소재들의 합성 가능성을 약 87% 수준으로 예측했다. 이미 합성된 소재들의 열역학적 특성을 분석한 결과에서는 열역학적 안정성만으로 실제 소재의 합성 가능성을 예측할 수 없다는 사실도 알아냈다.

정유성 교수는 “빠른 신소재 발견을 위해 다양한 소재 설계 프레임워크가 존재하지만 정작 설계된 소재의 합성 가능성에 관한 판단은 전문가 직관의 영역으로 남아 있다”며 “이번에 개발한 합성 가능성 예측 모델은 새로운 소재를 설계할 때 실제 합성 가능성을 실험 전에 미리 판단할 수 있어 새로운 소재의 개발시간 단축에 도움이 될 것”이라고 했다.

연구결과는 미국화학회가 발행하는 국제학술지 ‘미국화학회지(Journal of the American Chemical Society)’ 온라인에 지난 10월 26일자로 실렸다.