|
맥신은 전이금속·탄소·질소 등으로 구성된 2차원 나노 물질이다. 물리화학적 물성 조절이 용이해 이차전지·촉매·반도체 등 다양한 분야에서 활용이 가능하다. 문제는 다양한 화학 조성과 구조를 갖는 특성 탓에 2차원 물질군 중 맥신의 화학 공간(Chemical space)이 매우 넓다는 점이다. 이를 극복하기 위해 밀도범함수이론(DFT, Density Functional Theory) 계산을 통해 열역학적 안정성을 미리 검증하는 방법이 활용되고 있다.
다만 DFT 계산은 연산량이 많아 컴퓨팅 자원을 필요로 하며 시간도 비교적 오래 걸린다. 기존의 방법으로는 맥신이 가진 광대한 화학 공간을 충분히 탐색하는 데 뚜렷한 한계가 있다는 얘기다.
연구팀은 맥신의 안전성을 빠르게 탐색할 수 있는 능동 학습(Active Learning) 프레임워크를 통해 DFT 계산이 지닌 한계점을 극복하고, 맥신의 화학 조성과 구조적 다양성을 고려한 해결책을 찾아냈다. 중앙대 관계자는 “연구팀이 개발한 인공지능 모델의 경우 유사한 조성이나 구조를 가진 맥신이 없어 안정도 예측이 어려운 맥신을 예측하는 데 성공했다”고 설명했다.
실제 사례에 적용한 결과 연구팀은 480회의 DFT 계산만으로 안정적인 맥신 126개를 찾아냈다. 인공지능의 도움 없이 광대한 화학 공간을 탐색했을 때와 비교하면 안정적 맥신을 100배 정도 더 많이 찾아낸 것이다. 찾아낸 126개의 맥신 가운데 89개는 기존 연구에서 보고된 적이 없는 새로운 맥신이다.
박해선 교수는 “이번 연구를 통해 차세대 2차원 소재로 주목받는 맥신의 광대한 화학 공간을 효율적으로 탐색하고, 최소한의 DFT 계산을 활용해 정적 맥신을 다수 찾아냈다”며 “새롭게 개발한 인공지능 기술은 이차전지나 촉매 분야에 활용될 수 있을 것으로 기대한다. 열역학적 안정성 예측을 넘어 방대한 계산을 요구하는 이온, 열전도도 같은 역학적 물성 예측에도 연구 방법이 확장될 수 있을 것”이라고 말했다.
