신소재 공학 분야 연구원이 스몰 데이터 기반의 기계학습 과정을 통해 신소재 개발 기간과 비용을 획기적으로 줄일 수 있는 데이터 기반 연구 환경이 마련됐다.
반도체, 배터리, 촉매, 금속 등 신소재 연구개발은 연구원이 원하는 물성을 찾을 때까지 시행착오와 실험 실패를 끝없이 반복하는 과정인데 전통적 신소재 탐색 전략을 바꾸는 소재 데이터 플랫폼 'D3스퀘어(D3Square)'가 등장, 주목된다.
이민호 버추얼랩 대표는 “연구원이 손쉽게 인공지능(AI) 알고리즘을 사용하고 신소재 조성 탐색, 조성 추출, 최적화 공정 설계 등을 수행하는 데 도움을 주는 소재 연구데이터에 특화한 'D3스퀘어'을 개발, 출시한다”고 12일 밝혔다.
회사는 이를 통해 신소재 연구개발 분야에서 데이터·기계학습 도입을 통해 실험 연구개발 속도를 높이고 이를 통해 미국, 일본, 독일 등 첨단 소재 강국과의 소재 기술 격차를 줄이는 기회를 확보할 것으로 기대했다.
D3스퀘어는 신재료 물성 실험 데이터를 정제·관리하는 '데이터 버킷'과 이를 바탕으로 다양한 AI 알고리즘을 연구 재료에 맞게 선택하고 학습 수행과 기대 물성을 추출하는 'AI 학습 모델'로 이뤄져 있다.
특히, 코딩에 대한 사전 지식이 없더라도 D3스퀘어를 활용하면 수집한 실험 데이터를 바탕으로 기계학습 모델을 만들고 부가 지원 기능도 함께 사용하는 등 비 IT 전문가인 연구원은 손쉽게 기계학습 기반의 신소재 개발 연구 환경을 구축할 수 있다.
D3스퀘어는 기존 신소재 개발 과정에서 기존 연구 데이터를 효율적으로 수집·축적·관리하는데 초점을 두고 있다. 10년 이상 또는 수년 동안 다양한 시도를 통해 원하는 물성을 가지는 재료를 발견하는 과정에서 다양한 물성을 지닌 소재 데이터가 만들어진다. 이때 데이터 비 표준화, 데이터의 연구원 의존성 등 연구 현장 문제로 인해 고품질 데이터가 부족해 신소재 연구개발 기간을 단축하는데 한계가 있다.
즉, 신소재 연구개발 분야에서 데이터와 기계학습을 이용하려는 시도가 이뤄지고 있지만 응용 분야와 연구 방식에 따라 데이터의 구조와 특성이 달라지는 소재 연구데이터의 특성상 실제 연구에 데이터와 기계학습 기술을 현장에 도입하는 데 많은 어려움이 있다.
이 대표는 “D3스퀘어는 기업 연구소, 대학 연구실, 정부 출연연 등 소재 연구 그룹에서 생산한 소재 데이터를 그룹별 데이터의 유형과 특성에 따라 맞춤형으로 저장하는 최적화된 UI와 서로 다른 방식으로 작성한 데이터를 표준 포맷으로 통합하기 위한 API도 함께 제공, 데이터 기반의 신소재 개발 연구 환경이 활기를 띨 것”이라고 말했다.
그는 “소규모 그룹별로 소재 데이터를 체계적으로 관리하고 축적하면 기계학습 모델을 통해 이전에는 몰랐던 물성 데이터의 새로운 상관관계 가치를 파악하고 신소재 개발 기간을 단축할 수 있다”라면서 “앞으로 기계학습 시행착오를 좀 더 줄이는 '액티브 러닝' 기능을 추가할 것”이고 말했다.
최현주 국민대 교수(신소재공학부)는 “전기차·UAM 등 미래 모빌리티 연구에서 다양한 상반 특성을 만족하는 알루미늄 합금 공정 설계, 최적화 연구에서 기존 시행착오 위주의 실험 방법만으로는 비용과 시간이 많이 소요돼 데이터 기반 가속화 최적설계를 D3스퀘어로 도입해 사용한 결과 연구 가속화뿐 아니라 기존에 탐색 되지 않은 신 합금 영역의 탐색도 가능했다”라고 설명했다.
이민호 대표는 “많은 시간과 비용이 투자되는 신소재 연구개발 분야에서 데이터 기반으로 연구개발 속도를 가속화하고 전통적인 소재 강국과의 기술 격차를 줄이기 위한 시도가 이미 국내 다양한 곳에서 이뤄지고 있다”라며 “이번 D3스퀘어 출시를 계기로 IT 진입 장벽을 제거해 연구원이 데이터 기반의 소개 연구를 진행할 것으로 기대한다”라고 강조했다.
2016년 창업한 스타트업 버추얼랩은 클라우드 기반의 소재 시뮬레이션 플랫폼 '머티어리얼스 스퀘어'를 2017년 국내 최초 선보인 데 이어 'D3스퀘어'도 출시, 소재 연구개발 플랫폼 전문기업으로 입지를 다지고 있다. 소재 분야 기술과 산업에 기여한 공로를 인정받아 2022년 과학기술정보통신부 장관상을 받은 바 있다.
안수민 기자 smahn@etnews.com
