NO.1: 카스2
NO.2: 카스2 갤러리
NO.3: 카스2 사양
NO.4: 카스2 설정
NO.5: 카스2 조준선 코드 사이트
NO.6: 카스2 최적화 설정
NO.7: 카스2 칼 추천
NO.8: 카스2 인벤
NO.9: 카스2 디시
NO.10: 카스2 티어
- 생명화학공학과 김지한 교수 연구팀
[헤럴드경제=구본혁 기자] 국내 연구진이 챗GPT를 활용해 큰 다공성,높은 표면적,카스2뛰어난 조절 가능성으로 많은 화학 응용 분야에서 사용되는 금속 유기 골격체의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(이하 챗MOF)을 개발했다.챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 나타냈다.
KAIST는 생명화학공학과 김지한(사진) 교수 연구팀이 대규모 언어 모델(LLMs) 활용을 통해 금속 유기 골격체(Metal-Organic Frameworks,카스2MOFs)의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(ChatMOF)을 개발했다고 26일 발표했다.
최근 인공지능(AI)의 발전에는 큰 도약이 있었지만 재료 과학에서의 LLM의 잠재력을 완전히 실현하기에는 여전히 물질의 복잡성과 재료별 특화된 훈련 데이터의 부족이라는 한계점이 존재했다.
김지한 교수 연구팀이 개발한 챗MOF는 재료 분야에서 전통적인 머신러닝 모델과 LLM을 결합한 혁신적인 접근 방식으로 계산 및 머신러닝 도구에 대한 초보자들과의 격차를 상당히 줄일 수 있는 잠재력을 가지고 있다.
또한 이 독특한 시스템은 인공지능의 변혁적인 능력과 재료 과학의 복잡한 측면들을 연결하며,카스2다양한 작업에서 뛰어난 성능을 보여준다.챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보고한다.한편,카스2더 복잡한 구조 생성 작업은 그 복잡함에도 불구하고 주목할 만한 87.5%의 정확도를 달성한다.이러한 유망한 결과는 챗MOF가 가장 요구가 많은 작업을 관리하는 데도 효과적임을 강조한다.
김지한 교수는 “개발한 기술은 재료 과학 분야에서 인공지능의 더 높은 자율성을 달성하기 위한 중요한 진전을 나타낸다”면서 “기술이 발전함에 따라,카스2모델 용량과 온라인 플랫폼에서의 데이터 공유에 대한 체계적인 개선을 통해 챗MOF의 성능을 더욱 최적화할 수 있으며,카스2이는 금속 유기 골격체 연구 분야에서 놀라운 진전을 촉진할 수 있다”고 말했다.
이번 연구결과는 국제학술지‘네이처 커뮤니케이션즈’6월 3일 게재됐다.