중앙대-KAIST, 맥신 안정성 판단 효율 ‘100배 증가’ AI 기술 개발
중앙대학교(총장 박상규) 연구팀이 '꿈의 신소재'로 일컬어지는 맥신(MXene)의 열역학적 안정성 판단 효율을 100배 높일 수 있는 인공지능 기술을 개발했다. 29일 중앙대에 따르면, 박해선 융합공학부 교수는 이승철 KAIST(한국과학기술원) 교수 연구팀과 공동연구를 통해 열역학적으로 안정적인 맥신을 족집게처럼 골라내는 방법을 찾아냈다. 맥신은 전이금속과 탄소, 질소 등으로 구성된 2차원 나노 물질이다. 물리 화학적 물성의 조절이 용이해 이차전지·촉매·반도체 등 다양한 분야에 활용될 것으로 기대를 모으고 있다. 문제는 다양한 화학 조성과 구조를 가질 수 있는 특성 때문에 2차원 물질군 중 맥신의 화학 공간(Chemical space)이 매우 넓다는 점이다. 이를 극복하기 위해 밀도범함수이론(DFT, Density Functional Theory) 계산을 통해 열역학적 안정성을 미리 검증 하는 방법이 활용되고 있다. 하지만, DFT 계산은 연산량이 높아 많은 컴퓨팅 자원을 필요로 하며 시간도 비교적 오래 걸린다. 연구팀은 맥신의 안전성을 빠르게 탐색할 수 있는 능동 학습(Active Learning) 프레임워크를 통해 DFT 계산이 지닌 한계점을 극복하고, 맥신의 화학 조성과 구조적 다양성도 모두 고려하는 해결책을 찾아냈다. 연구팀이 개발한 인공지능 모델은 학습을 거친 결과 유사한 조성이나 구조를 가진 맥신이 없어 안정도 예측이 어려운 맥신을 예측하는 데 성공했다. 실제 사례에 적용한 결과 연구팀은 480회의 DFT 계산만으로 안정적인 맥신 126개를 찾아냈다. 인공지능의 도움 없이 광대한 화학 공간을 탐색했을 때와 비교하면, 안정적인 맥신을 100배 정도 더 많이 찾아낸 것이다. 찾아낸 126개의 맥신 가운데 89개는 기존 연구에서 보고된 적이 없는 새로운 맥신이었다. 이번 연구는 한국연구재단의 나노·소재기술개발사업과 우수신진연구 지원사업을 통해 이뤄졌다. 상세한 연구 내용은 국제 학술지 'ACS Nano'를 통해 출판된 '광대한 화학 공간에서 열역학적으로 안정적인 맥신을 신속하게 탐색하기 위한 능동 학습 프레임워크(Active Learning Framework for Expediting the Search of Thermodynamically Stable MXenes in the Extensive Chemical Space)' 논문을 통해 확인 가능하다. 박해선 교수는 "이번 연구를 통해 차세대 2차원 소재로 주목받는 맥신의 광대한 화학 공간을 효율적으로 탐색하고, 최소한의 DFT 계산을 활용해 안정적인 맥신을 다수 찾아냈다. 새로운 맥신들은 상대적인 합성 가능성도 높은 것으로 나타났다"라며 "새롭게 개발한 인공지능 기술이 소재의 안정성이 필수적으로 요구되는 이차전지나 촉매 분야에 활용될 수 있을 것으로 기대한다. 열역학적 안정성 예측을 넘어 방대한 계산을 요구하는 이온, 열전도도 같은 역학적 물성 예측에도 연구 방법이 확장될 수 있을 것"이라고 말했다.
