Menu
ucl uel uecl - 2024년 실시간 업데이트
기존 언어 모델이 수행하지 못하던 금속 유기 골격체의 물성 예측과 역설계를 수행할 수 있는 챗봇 시스템이 국내에서 개발됐다.
KAIST는 김지한 생명화학공학과 교수 연구팀이 대규모 언어 모델(이하 LLMs)을 활용해 금속 유기 골격체(Metal-Organic Frameworks,MOFs)의 특성을 예측,새로운 재료를 자동으로 생성하는 챗봇 시스템(ChatMOF·이하 챗MOF)을 개발했다고 26일 밝혔다.
연구팀은 최근 인공지능이 비약적으로 발전했지만,재료 과학에서 LLM의 잠재력을 완전히 실현하기에는 여전히 물질의 복잡성과 재료별 특화된 훈련 데이터가 부족하다는 한계점에 착안해 챗MOF를 개발했다.
챗MOF는 재료 분야에서 전통적인 머신러닝 모델과 LLM을 결합하는 방식으로 개발돼 계산 및 머신러닝 도구에 대한 초보자와의 격차를 줄일 수 있는 잠재력을 가졌다고 연구팀은 설명했다. 대규모 언어 모델을 이용한 금속 유기 골격체의 예측 및 역설계 챗봇 시스템 운영 개요.KAIST 제공 
우선 챗MOF는 금속-유기 골격체(MOF)에 대한 사용자의 질문에 LLM으로 문제해결을 위한 계획을 세우고,계획에 필요한 적절한 도구를 선택한다.
이어 도구에서 얻은 결과 값을 바탕으로 해당 결과가 사용자 질문에 답이 될 수 있는지를 판단한 후 최종 답변을 제공할 수 있다면 사용자에게 답변하되,답변을 할 수 없다면 문제해결을 위한 계획을 다시 수립하게 된다.
이 과정에서 사용되는 도구는 표로부터 데이터를 검색하는‘검색 도구’와 머신러닝을 이용해 물성을 예측하는‘예측 도구,원하는 물성을 가진 물질을 역설계하는‘생성 도구’가 주로 쓰인다.이외에도 계산기,ucl uel uecl단위 변환기 등 각종 유틸리티가 도구로 쓰일 수 있다.
챗MOF는 검색과 예측 작업에서 각 96.9%,95.7%의 성공률을 보였다.특히 복잡한 구조 생성 작업(역설계)에서도 87.5%의 정확도를 달성한 점은 주목할 만하다고 연구팀은 강조했다.이러한 결과는 향후 챗MOF가 요구 많은 작업을 관리하는 데 효과적으로 활용될 수 있음을 가늠케 한다.
무엇보다 챗MOF는 소재 분야에서 사용자가 원하는 물질에 대한 자세하고,ucl uel uecl정확한 정보를 제공하는 것은 물론 비숙련자가 사용하기 힘든 머신러닝과 다양한 계산 화학 도구를 쉽게 사용할 수 있게 함으로써 숙련자와 비숙련자 사이의 간격을 좁힐 수 있다.이는 새로운 물질을 신속·정확하게 생성하고,ucl uel uecl연구할 수 있도록 해 소재 개발을 앞당기는 데도 기여할 것으로 기대된다. 김지한 교수.KAIST 제공 
김지한 교수는 “연구팀이 개발한 기술은 재료 과학 분야에서 인공지능의 높은 자율성을 달성하기 위한 중요한 진전”이라며 “모델 용량과 온라인 플랫폼에서의 데이터 공유에 대한 체계적 개선으로 챗MOF의 성능은 더욱 최적화될 수 있으며,이는 금속 유기 골격체 연구 분야의 진전을 촉발할 수 있다”고 말했다.
한편 KAIST 생명화학공학과 강영훈 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature communications)'에 지난 3일 게재됐다.
