AI로 신소재를 찾겠다면, 얼마나 쉽게 데워지는지부터
원자 배열로 물질의 성질을 예측하겠다는 AI 연구자에게 동료는 “만물을 예측한다는 말 말고” 그 물질이 얼마나 쉽게 데워지는지부터 맞혀 보라고 했다.
중국 신소재 회사 카이우지 창업자 루쯔헝의 마이크로소프트 연구소 시절 이야기다. 그는 그 성질 전용으로 훈련하지 않은 MatterSim이 시험에서 당시 전용 모델들을 넘었다고 했다. 이후 AI로 설계한 재료 두세 개를 실제로 만들었다. “가상 선별만으로는 잘 믿지 않는다. 손에 쥐어 봐야 믿는다”는 것이 그의 기준이다.
출처: 스쯔루커우 팟캐스트, 4/19
재료의 열 특성 예측
신소재 회사 카이우지 창업자 루쯔헝은 4월 19일 공개된 팟캐스트 「스쯔루커우」에서 마이크로소프트 연구소 시절 MatterSim을 개발하던 경험을 설명했다. 목표는 원자 구조로 여러 재료의 물리·화학적 성질을 예측하는 모델이었다.
응집물리를 연구하던 동료는 “만물을 예측한다는 말 말고” 포논부터 예측해 보라고 했다. 포논은 결정 안 원자들의 집단적인 진동을 다루는 개념이다. 루쯔헝은 비전공자에게 이 시험을 설명하며 물질을 데우는 데 필요한 열을 예로 들었다. 물질 1kg의 온도를 1도 올리는 데 필요한 열의 양을 비열이라고 한다. 원자 배열을 보고 이 성질을 예측해 보라는 주문이었다.
루쯔헝에 따르면 2023~24년 무렵 식사하며 시험을 돌렸고, 결과가 당시 그 분야 전용으로 학습한 모델들을 넘었다. 해당 성질이나 특정 재료 계열에 맞춰 별도로 훈련하지 않은 모델에서 나온 결과여서 연구진도 놀랐다고 했다.
마이크로소프트가 공개한 MatterSim은 원자 사이의 힘을 계산하는 모델이다. 에너지·힘· 응력을 예측해 원자들의 움직임을 모사하며, 공식 소개에는 포논 주파수를 제일원리 계산과 비교한 결과도 있다. 물질의 이름을 넣으면 비열 숫자만 답하는 챗봇과는 다르다.
생성 후보와 기존 재료 검색
카이우지는 생성 모델과 기존 재료 데이터베이스 검색을 병행한다고 한다. 모델이 새로운 후보를 만드는 동안 이미 알려진 재료에서도 조건에 맞는 후보를 찾고, 물성을 예측해 실험할 후보 목록을 만든다.
루쯔헝은 재료를 생성할 때 텍스트처럼 순서대로 이어 쓰는 모델보다 그래프 기반 확산 모델을 주로 쓴다고 했다. 학습 데이터는 합성된 재료와 합성 가능하다고 판단한 원자 구조이며, 대규모 시퀀스 모델을 키우기에는 데이터가 충분하지 않다는 설명이다.
재료 후보는 필요한 성질을 갖는 것 외에 실제로 합성할 수도 있어야 한다. 루쯔헝은 원자 배열의 에너지가 너무 높으면 만들 수 없는 구조가 나온다고 했다.
시제품과 생산라인
루쯔헝은 “가상 선별만으로는 잘 믿지 않는다. 이 물건을 손에 쥐어 봐야 믿는다”고 했다. 모델 개발 과정에서 설계한 재료 두세 개는 실제로 만들어 봤고, 방열용 결정 재료 일부는 외부에서, 일부는 자체적으로 검증했다고 한다. 그는 당시 성과를 과학적 의미가 크지만 산업을 바꿀 만큼의 상업적 가치는 아직 없는 단계로 봤다.
인터뷰에서는 가상의 배터리 음극재를 예로 개발 순서를 설명했다. 모델로 후보를 만든 뒤 숙련된 연구자들이 목록을 검토하고, 실험실에서 그램 단위로 만들어 시험한다. 반응이 좋으면 킬로그램 단위로 늘려 실제 사용자에게 보내 생산라인에서 시험한다. 그 피드백에 따라 직접 생산을 확대하거나 다른 업체가 생산한다는 구상이다.
그는 모델 연구자, 물리 시뮬레이션 연구자, 실험실의 숙련자가 매일 함께 일해야 한다고 했다. 인터뷰 당시 회사는 약 10명이고 매출은 없었다. 연구소에서 물성을 예측하던 모델을 재료의 합성·공정 확대·판매까지 연결하는 회사를 시작한 단계였다.