KAIST, 신소재 데이터 AI 훈련 방법론 개발...고속 분석 가능성 열어

한국과학기술원(KAIST·총장 이광형)은 홍승범 신소재공학과 교수팀이 시뮬레이션 기반 신소재 데이터 분석을 위한 인공지능(AI)을 개발했다고 24일 밝혔다.

신소재 데이터는 양질 실험 데이터를 대량으로 구하기 어렵다. 기업들이 중요 데이터는 대외비로 취급하고 있어 AI를 소재 데이터 영역에 적용하는 것이 상당히 어렵다. 데이터 다양성, 크기 및 접근성 문제도 해결돼야 한다. AI 성능 향상을 위해 생성 데이터 또한 실제 소재가 가지는 물리적 제약을 따라야 하며, 소재 데이터 재료 특징을 파악할 수 있는 기술이 필요하다.

시뮬레이션을 활용해 훈련한 인공지능의 이미지상 분리 결과
<시뮬레이션을 활용해 훈련한 인공지능의 이미지상 분리 결과>

연구팀이 개발한 AI 훈련 방법론은 훈련을 위해 생성되는 데이터가 물리적 제약을 공유하도록 위상 필드 시뮬레이션을 활용해 기초 데이터를 형성했다. 또 측정 과정에서 발생하는 다양한 잡음, 입자 분포 정보 경계를 모사해 크기가 작은 소재 데이터 한계도 해결했다.

이번 연구에서 제시하는 AI 훈련 방법은 기존 수작업으로 훈련 데이터를 준비하던 것과 달리 시간을 크게 단축할 수 있으며, AI 전이 학습 및 다양한 물리적 제약을 바탕으로 하는 위상 필드 시뮬레이션 활용이 가능하다. 다양한 소재 데이터에 빠르게 적용할 수 있는 장점이 있다.

홍승범 교수는 “소재 분야는 AI의 도움으로 신소재 개발을 더욱 빠르게 완료할 수 있는 세상을 맞이할 것”이라며 “이번 연구 내용을 신소재 개발에 바로 적용하기에는 데이터 합성 측면에서의 여전히 보강이 필요하지만, 소재 데이터 활용에 큰 문제가 됐던 훈련 데이터를 준비하는 긴 시간을 단축해 소재 데이터의 고속 분석 가능성을 연 것에 연구의 의의가 있다”고 말했다.

대전=김영준기자 kyj85@etnews.com