▲ 화학 기본 개념 (왼쪽)을 배운 AI가 다양한 소재 (오른쪽)의 물성을 예측하는 내용을 담은 모식도.(그림=KAIST)  © 특허뉴스

KAIST가 창원대학교, UC 머세드와 협력하여 화학의 기본 개념을 학습해 물성 예측 정확도를 크게 향상시킨 새로운 인공지능(AI) 기술 ‘프로핏-넷(PROFiT-Net)’을 개발하는 데 성공했다고 9일 밝혔다.

PROFiT-Net은 기존 딥러닝 모델 대비 유전율, 밴드갭, 형성 에너지 등 주요 소재 물성의 예측 오차를 최소 10%에서 최대 40%까지 줄일 수 있어 학계와 산업계에서 주목받고 있다. 이 AI 기술은 특히 최외각 전자 배치, 이온화 에너지, 전기 음성도 등 화학의 기본 개념을 학습함으로써 물성 예측 성능을 크게 높였다.

KAIST 화학과 이억균 명예교수와 김형준 교수 연구팀은 창원대 김원준 교수, UC 머세드 김창호 교수와의 협업을 통해 이번 AI 모델을 완성했다. 연구팀은 화학적 속성 간 상호작용을 직접 학습할 수 있도록 설계된 PROFiT-Net이 신소재 설계 및 예측의 정확도를 크게 높일 수 있다고 강조했다. 이 기술은 반도체 및 차세대 기능성 소재 개발 분야에서 AI 활용 가능성을 한층 높여줄 전망이다.

KAIST 김형준 교수는 "PROFiT-Net은 AI 기술이 기초 화학 개념을 바탕으로 한층 더 정교한 예측을 가능하게 한다는 점에서 큰 의미가 있다"며 "이 기술은 반도체 소재나 다양한 기능성 소재 개발에서 AI의 역할을 확대할 수 있는 중요한 발판이 될 것"이라고 말했다.

이번 연구 결과는 KAIST 김세준 박사가 제1 저자로 참여한 논문으로, 지난 9월 25일 국제 학술지 미국화학회지(Journal of the American Chemical Society)에 게재됐다. 논문명은 PROFiT-Net: Property-networking deep learning model for materials, PROFiT-Net 이다.