버추얼랩, KIST서 AI 기반 소재 개발 알고리즘 기술 이전

글자 작게 글자 크게 인쇄하기
김동훈 KIST 계산과학연구센터 박사, 한상수 박사, 이민호 버추얼랩 대표, 박민규 이사(사진 왼쪽부터)
<김동훈 KIST 계산과학연구센터 박사, 한상수 박사, 이민호 버추얼랩 대표, 박민규 이사(사진 왼쪽부터)>

클라우드 기반 소재시뮬레이션 서비스기업 버추얼랩(대표 이민호)은 한국과학기술연구원(KIST)과 재료흡착에너지예측용 머신러닝 알고리즘인 'SGCNN(Slab Graph Convolutional Neural Network)'의 기술이전 계약을 체결했다고 26일 밝혔다.

버추얼랩은 SGCNN 프로그램 특허 기술(촉매 활성도를 예측하는 방법·전자장치) 실시권을 이전받아 이르면 7월 중 소재 시뮬레이션 플랫폼 '맷스큐'에 탑재할 예정이다.

버추얼랩의 맷스큐에 SGCNN을 탑재하면 연구자는 1분 내 재료 표면 분자들의 흡착에너지를 계산할 수 있다. 화학반응성·촉매 설계 등에도 활용이 가능하다. 특히 SGCNN을 탑재한 맷스큐에서 동일한 입력값으로 다양한 구조를 대량 계산하는 '하이스루풋(High Throughput)' 사용량이 크게 증가할 전망이다. 사용자는 이러한 계산 데이터를 활용해 자신 만의 SGCNN 기계학습 모델을 구축할 수 있다.

버추얼랩 관계자는 “촉매 연구에 있어서 물질 표면 위의 흡착물 거동은 매우 중요한데 이때 흡착 에너지는 주로 제일원리계산(MD)으로 계산, 결과 값이 나올 때까지 약 24시간이 걸리는 한계를 안고 있다”고 말했다.

버추얼랩은 신규 사용자들의 접근성 확보를 위해 맷스큐에 SGCNN 기술을 탑재하는 것이 유리하다고 판단했다. SGCNN은 KIST 첨단소재기술연구본부 계산과학연구센터 한상수·김동훈 박사팀이 개발한 머신러닝 알고리즘 기술이다. 현재 전 세계 촉매 연구자는 약 3000명이며, 연간 흡착에너지 예측 건수는 72만개로 추정하고 있다.

버추얼랩 이민호 대표는 “기계 학습은 양질의 데이터와 그 특성을 잘 표현하는 엔지니어링이 무엇보다 중요하다”며 “앞으로도 많은 연구자들이 간편하게 쓸 수 있는 양질의 오픈 플랫폼 기술 이전을 위해 더욱 힘쓸 것”이라고 밝혔다.

버추얼랩은 인공지능, 기계학습 서비스를 자사 플랫폼에 도입하기 위해 그동안 노력해왔다. 지난 4월에는 미국 '매트머라이즈'사로부터 고분자 물성 예측 머신러닝 프로그램 '폴리머라이즈' 공급계약을 체결한 바 있다.

안수민기자 smahn@etnews.com