영상화·머신러닝 활용 플랫폼 'M3I3'
'물성-구조-공정' 과정 신속 도출
기존 20년→5년 내로 획기적 단축
고밀도 메모리·항공 분야 응용 기대
한국과학기술원(KAIST·총장 이광형)이 신소재 개발 기간을 크게 단축시킬 영상화·머신러닝 기술 기반 역설계 플랫폼 'M3I3' 개발을 본격화한다. 사전 연구에서 이미 가능성을 보였고 올해 말 1차 플랫폼 개발을 마칠 계획이다.
KAIST는 이와 관련해 홍승범 신소재공학과 교수팀이 M3I3 플랫폼 미래 방향을 제안했다고 31일 밝혔다.
M3I3는 신소재 역설계 플랫폼이다. 영상화와 머신러닝 기술을 활용, 필요한 물성에 맞게 소재 구조를 역으로 설계한다. 이어 해당 구조의 신소재를 실제 생산할 수 있도록 공정 레시피까지 확보하는 개념이다. 신소재 물성-구조-공정 도출 전체 과정을 신속하게 이루는 것이 목표다.
M3I3는 투과전자현미경(TEM), 주사투과전자현미경(STEM), 원자간력현미경(AFM), 광학현미경, 엑스레이 등 다양한 분광 장비로 얻은 영상 및 스펙트럼 정보로 다중 스케일(원자·격자·입자·벌크)별 소재 구조가 다양한 물성(전기·기계·화학 등)에 어떤 영향을 끼치는지 파악하게 된다. 또 머신러닝으로 이런 신소재 구조가 어떻게 합성되고 공정화되는지 상관관계를 수립한다. 실제 구현은 3차원 다중 스케일 프린팅 기술을 활용한다.
연구팀은 이미 M3I3 플랫폼 유효성을 확인했다. 배터리 소재 분야 기존 신소재 개발 역사와 결과를 M3I3 방법론으로 답습해 봤다. 지난 20년간 논문자료에서 신소재 관련 데이터를 추출하고 머신러닝 모델을 수립·분석해 이 결과가 기존 소재와 얼마나 일치하는지 봤다. 모델 정확도는 기존과 90% 일치했다. 향후 M3I3로 훌륭한 신소재 개발이 가능함을 보여준 결과다.
KAIST는 올해 말 배터리 소재에 전문화된 1차 M3I3 플랫폼을 선보인다는 계획이다. 이후 신소재 영역을 점차 확장한다.
이밖에 산업 분야와 용도별로 앞으로 구현해야 할 미래 신소재 스펙까지 예측하는 것을 염두에 두고 있다. 이게 이뤄진다면 산업 수요가 불거지기 전에 미리 선제적으로 맞춤형 소재를 개발할 수 있게 된다.
홍승범 교수는 “M3I3는 에너지 소재 디자인에서 시작해 고밀도 메모리, 고성능 자동차·항공 소재에도 응용 가능할 것으로 기대된다”며 “20년 걸리던 신소재 개발 기간을 5년 내로 단축할 수 있을 것”이라고 말했다.
한편 이번 관련 논문에는 홍승범 교수가 1저자로, 리오치하오 박사가 2저자로 참여했다. 육종민 교수, 변혜령 교수, 양용수 교수, 조은애 교수, 최벽파 교수, 이혁모 교수도 공동 저자로 참여했다. 논문은 ACS 나노 2월 12일자 온라인판으로 출판됐다.
대전=김영준기자 kyj85@etnews.com
