AI로 고효율 에너지 변환 소재 초고속 발굴…개발 기간 수년에서 ‘단 몇 개월’로 단축

△AI 기반 신소재 발굴 시스템 및 발굴된 소재의 성능 비교

인공지능(AI)을 활용하자 기존에 수년이 걸리던 신소재 개발 기간이 단 몇 개월로 줄었다. 국내 연구팀이 1만 6천 개의 후보군 중 극한의 효율을 가진 에너지 변환 소재를 초고속으로 발굴하는 데 성공했다.

고려대학교(총장 김동원) 신소재공학부 김용주 교수, KAIST(한국과학기술원) 신소재공학과 정연식 교수, 국립한밭대학교 신소재공학과 오민욱 교수 공동연구팀이 능동형 지능 기술을 도입해 세계 최고 수준의 효율을 가진 ‘고엔트로피 칼코제나이드 열전 소재(High-Entropy Chalcogenides, HECs)’를 개발했다. 

*능동형 지능 기술: AI가 수많은 데이터 전체를 학습하는 게 아니라, 성능 향상에 가장 도움이 될 만한 데이터를 스스로 선별하여 학습하는 방식

열전 소재는 온도 차이를 전기에너지로 변환하는 물질로, 전 세계 에너지 소비량의 70%에 달하는 폐열을 재활용할 수 있는 핵심 솔루션이다. 하지만 여러 원소를 섞어 성능을 높이는 ‘고엔트로피’ 소재의 경우, 방대한 경우의 수 중에서 최적의 비율을 찾아야 하는 난제로 인해 기존의 방식으로는 성능을 극대화할 조합을 찾는 것이 사실상 불가능했다.

연구팀은 이 문제를 해결하기 위해 ‘베이지안 최적화 기반의 폐쇄형 루프 실험 프레임워크’를 구축했다. 이 AI 모델은 물리적 지식을 기반으로 한 특수 지표인 ‘평균 품질 계수’를 학습 지표로 삼아, 다음에 실험할 최적의 후보군을 스스로 제안한다.

그 결과, 전체 후보군인 16,206개의 조합 중 단 0.5%에 불과한 80개의 샘플만을 실제로 제작해 테스트했음에도 불구하고, 열전 성능 지수가 2.0을 상회하는 3종의 신규 고엔트로피 소재를 발견하는 쾌거를 이뤘다. 이는 기존 신소재 개발 방식과 비교했을 때 탐색 효율을 수십 배 이상 높인 결과다. 

*열전 성능 지수: 소재의 열전 변환 효율을 나타내는 지표. 수치가 높을수록 성능이 우수하며, 2.0 이상이 상용화 가능한 수준이다

김용주 교수는 “이번 연구는 AI가 단순히 데이터를 학습하는 수준을 넘어, 물리적 원리를 바탕으로 실험 전문가가 미처 생각지 못한 최적의 원소 조합을 제안할 수 있음을 입증한 사례”라며 “전문 지식이 부족한 연구자도 AI의 도움을 받아 복잡한 신소재를 설계할 수 있는 길을 열었다”고 밝혔다. 

본 연구 성과는 재료 과학 분야 세계적 권위지인 ‘어드밴스드 머티리얼즈(Advanced Materials)’ 온라인에 2월 17일 게재됐으며, 연구의 우수성을 인정받아 후면 표지논문으로 선정됐다. 

*논문명: Active Learning-Guided Accelerated Discovery of Ultra-Efficient High-Entropy Thermoelectrics

*DOI: 10.1002/adma.202515054

*URL: https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202515054

이번 연구는 한국연구재단과 한국에너지기술평가원 등의 지원을 받아 수행됐다. 

[연구진 사진]

△(왼쪽부터) 고려대 신소재공학부 김용주 교수(교신저자), KAIST 신소재공학과 정연식 교수(교신저자), 한밭대 신소재공학과 오민욱 교수(교신저자), UCLA 박사후연구원 장한휘 박사(공동제1저자), 서울대 이우석 박사과정(공동제1저자)