소재설계 AI (Materials Informatics) 최신 연구동향
생성형 AI, 자율 실험실, 그리고 머신러닝 포텐셜 기반 신소재 탐색 패러다임 변화
01
생성형 AI 및 결정 구조 전용 LLM
- Crystal Structure Diffusion & GNN: 3차원 결정 격자의 대칭성과 불변성을 보존하며 역설계(Inverse Design)하는 DiffDock, CDVAE, MatterGen 등 디퓨전 기반 생성 모델 급성장.
- CrystalLLM / Text-to-Structure: 원자 배치를 CIF/SMILES 형태의 토큰으로 인코딩하여 열역학적으로 안정적인 신물질 결정 구조를 직관적으로 세대화.
02
머신러닝 상호작용 포텐셜 (MLIP) & Multi-scale 연동
- 고정밀·고속 원자 모사: M3GNet, CHGNet, NequIP, Allegro 등을 사용해 양자역학(DFT) 수준의 정확도로 수백만 개 원자 스케일의 분자동역학(MD) 시뮬레이션 수행.
- 미시-거시 연계 시뮬레이션: 원자 수준 MLIP 모사 결과를 배터리 Electrochemical P2D/P3D 모델 또는 거시 연속체 모델(FEM)과 상호 연동하여 열-전기-기계적 복합 응력 분석.
03
자율 실험실 (Self-Driving Labs) & Agentic AI
- Closed-loop 자동화 체계: AI 후보 제안 → 로봇 자동 합성 → 실시간 분석(XRD, Raman 등) → 베이지안 최적화(Bayesian Optimization) 피드백 순환 구조.
- Agentic AI 탐색 플랫폼: 글로벌 컴퓨팅 자원 및 데이터베이스를 유기적으로 연결해 수조 개 규모의 화학적 탐색 공간을 짧은 기간 내 선별.
04
다중 물성 (Multi-Property) & 멀티모달 AI
- Multi-objective 최적화: 강도, 열전도도, 전도성 등 상충(Trade-off) 관계에 있는 6대 주요 물성을 동시 최적화.
- 다종 데이터 융합 파운드리: 논문 텍스트, XRD/NMR 스펙트럼 데이터, SEM/TEM 이미지 조직 사진을 통합 학습하는 소재 특화 멀티모달 기반 모델 구현.
주요 산업 적용 분야
이차전지 / 배터리
고전압 단결정 양극재, 전고체 전지용 고체전해질, 리튬 메탈 계면 안정화
반도체 & 디스플레이
차세대 ALD/CVD 전구체, EUV PR 소재, OLED 고효율 유기 분자 구조
촉매 & 탄소 중립
수전해용 비귀금속 고효율 촉매, CO2 포집을 위한 MOF(금속-유기 골격체) 탐색