Menu
프리미어리그 설립 연도 - 2024년 실시간 업데이트
김지한 KAIST 생명화학공학과 교수 연구진 한국과학기술원(KAIST) 연구진이 개발한 대규모 언어 모델(LLM) 챗MOF의 작동 작면.금속 유기 골격체(MOF)는 에너지 저장,촉매,의약품에 주로 사용되는 소재로,챗MOF는 사용자의 특성 예측,프리미어리그 설립 연도소재 발굴에 답을 찾아준다./한국과학기술원 
국내 연구진이 신소재 개발에 사용할 수 있는 인공지능(AI) 모델을 개발했다.신소재 개발의 편의성과 속도를 높이 수 있을 것으로 기대된다.
김지한 한국과학기술원(KAIST) 생명화학공학과 교수가 이끄는 연구진은 금속 유기 골격체(MOF)의 특성과 새로운 재료 후보를 찾는 대규모 언어 모델(LLM)‘챗MOF’를 개발했다고 26일 밝혔다.MOF는 금속 이온과 결합한 유기 분자로 표면에 많은 구멍이 뚫려 있어 액체나 기체를 흡입하는 능력이 뛰어나 에너지 저장,촉매,약물 전달 같은 분야에 활용된다.
LLM은 대량의 언어 데이터를 기반으로 사용자의 질문을 스스로 판단해 대답하는 인공지능(AI) 모델이다.챗GPT를 비롯해 여러 LLM이 출시되면서 실생활에서도 활발히 활용 중이다.과학기술계에서도 논문 요약(초록)을 작성하거나 단백질 구조를 예측하는 데 시간과 비용을 줄일 수 있는 기술로 주목하고 있다.
재료공학 연구에서도 LLM을 활용하려는 시도가 있으나 재료의 복합성과 데이터 부족으로 한계에 부딪혔다.재료 데이터의 규모가 최대 2만개 수준으로 적은 편이고,이를 문장 데이터로 변환하기 어렵기 때문이다.
KAIST 연구진은 여러 도구를 사용해 MOF 재료에 대한 질문에 답할 수 있는 챗MOF를 개발했다.검색 도구,프리미어리그 설립 연도예측 도구,생성 도구,계산기,단위 변환기 같은 다양한 도구를 활용해 사용자의 질문에 적절한 답을 할 수 있도록 계획을 세워 작동하는 것이 특징이다.가령 사용자의 질문에 대해 특정 도구로 답을 찾은 후,답이 적절하지 않다면 다른 도구를 다시 사용해 다시 답을 찾는 방식으로 정확도를 높였다.
챗MOF는 검색과 예측 작업에서 각각 96.9%,95.7%의 정확도를 보였다.복잡한 구조를 만드는 작업도 87.5%의 정확도를 나타냈다.재료공학자들이 MOF를 연구하는 데 필요한 질문이나 새로운 재료를 찾는 데 활용할 수 있을 것으로 기대를 모은다.
김 교수는 “재료 과학 분야에서 AI의 더 높은 자율성을 달성했다”며 “모델 용량과 온라인 플랫폼에서의 데이터 공유에 대한 체계적인 개선을 통해 챗MOF의 성능을 더욱 최적화할 수 있을 것”이라고 말했다.
연구 결과는 국제 학술지‘네이처 커뮤니케이션즈’에 지난 3일 소개됐다.
참고자료
Nature Communications(2024),DOI: https://doi.org/10.1038/s41467-024-48998-4
