한국세라믹기술원 'AMDS 2026' 성황리 개최
전세계 8개국 51개 기관 전문가 204명 참가
데이터·AI 활용 소재 설계·실험 연구사례 공유
“소재 인공지능(AI) 경쟁력은 양질의 데이터를 얼마나 빠르고 체계적으로 확보하느냐에 달려 있습니다. 자율실험처럼 실험 자체를 데이터 생산 과정으로 바꾸는 흐름이 앞으로 소재 개발의 속도와 방향을 좌우할 것입니다.”
고현석 한국세라믹기술원(KICET·원장 윤종석) AI융합연구단 선임연구원은 9월 30일부터 10월 2일까지 서울 코엑스에서 열린 '제9회 아시아 소재 데이터 심포지엄(AMDS 2026)'에서 이 같이 강조했다.
KICET 주최로 8개국 51개 기관 전문가 204명이 참가해 총 59건의 연구성과를 공유한 올해 AMDS에서는 소재 데이터베이스 구축과 표준화를 넘어 축적된 데이터와 AI를 활용해 소재를 설계하고 실험까지 연결하는 연구사례가 집중적으로 소개됐다.
일본 국립소재과학연구소(NIMS)는 데이터를 '만드는 방식'과 '담는 방식'이 함께 바뀌고 있음을 보여줬다.
Shoichi Matsuda 박사 연구진은 AI와 자동화 장비를 결합해 주당 400개 이상 전해질 시료를 평가하는 고속 실험 플랫폼을 소개했다. AI가 실험 결과를 학습해 다음 실험조건을 정하는 폐루프 방식으로 리튬이온·나트륨이온전지의 전해질 첨가제 조합을 찾아 자율실험실(Self-driving Laboratory)의 가능성을 제시했다.
Yibin Xu 박사는 'AI가 논문에서 필요한 정보를 언제든 꺼내 준다면 소재 데이터베이스가 여전히 필요한가'라는 질문을 던졌다. 79편 논문으로 AI 기반 데이터베이스 구축 체계를 검증한 결과, AI는 보고된 소재 상당수를 찾아내고 그래프 속 데이터까지 추출했지만 서로 다른 연구의 소재가 같은 소재인지 공정조건에 따라 어떻게 다른지를 가려내는 일은 여전히 과제로 남았다.
Xu 박사는 AI 시대 데이터베이스의 역할이 정보를 모으는 데서 소재를 정의하고 연구 간 데이터를 일관되게 잇는 쪽으로 옮겨가고 있으며 이를 위해 소재 전문가와 AI의 협력이 중요하다고 설명했다.
Shyue Ping Ong 싱가포르국립대(NUS) 교수는 다양한 소재에 폭넓게 적용할 수 있는 AI 기반 '파운데이션 포텐셜(Foundation Potentials)'의 발전 방향을 소개했다. 파운데이션 포텐셜은 다양한 소재의 원자 간 상호작용을 예측하는 AI 기반 모델이다.
Ong 교수는 약 40만개 소재 구조를 담은 데이터셋과 AI 모델, 오픈소스 연구도구를 함께 소개하며 소재 AI 성능은 고품질 학습데이터와 물리적 특성을 반영한 모델, 이를 실제 연구에 쓸 수 있는 소프트웨어 환경이 함께 갖춰질 때 나온다고 설명했다.
Lingwei Ma 중국 베이징과기대(USTB) 교수는 국가 차원의 소재 데이터 인프라인 '중국 국가 소재 빅데이터센터'를 소개했다.
이 센터는 소재 데이터 표준과 전국 단위 데이터베이스 플랫폼을 구축하고 데이터 소프트웨어 개발과 공공 데이터 서비스를 함께 맡고 있다. 특히 소재과학·데이터과학·AI를 아우르는 산학연 협력형 인재양성을 센터의 주요 기능으로 두고 있다는 점이 눈길을 끌었다.
이 밖에도 대규모언어모델(LLM)을 활용한 소재 데이터 분석, AI 에이전트 기반 데이터베이스 검색, 역설계(Inverse Design), AI 공동연구자(AI Co-Scientist) 등 소재 연구개발 전 과정에 AI를 활용하는 다양한 사례가 공유됐다.
KICET은 이번 AMDS에서 공유된 소재 데이터·AI 활용 사례를 가상공학플랫폼 등 자체 소재 데이터·AI 연구 기반과 연계하고 국내외 연구기관과의 공동연구와 데이터 활용 협력을 확대해 나갈 계획이다.
고현석 선임연구원은 “실험·계산 데이터를 수집·정제·표준화해 AI가 쓸 수 있게 만드는 '소재를 아는 데이터 엔지니어'와 로봇·자동화 장비·센서와 AI를 연결해 실험을 실제로 돌리는 '피지컬 AI 엔지니어'는 그 중요성에 비해 아직 주목받지 못하고 있다”며 “학계와 연구계가 함께 전문인력을 키우고 데이터 중심으로 바뀌는 소재개발 방식에 맞춘 연구개발 투자가 확대돼야 한다”고 말했다.
노동균 기자 defrost@etnews.com
