【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]반도체 신소재 설계 시간 단축…서울대, LLM 활용 개발

온카뱅크관리자

2025-03-17 15:07:30

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="5MjLeNJqmU">
          <p contents-hash="d27636386b3be06accd09339cef6ffb8c7371a101ce3752f9b78a41a3b8e3e22" dmcf-pid="1RAodjiBOp" dmcf-ptype="general"> [이데일리 김현아 기자] 서울대학교 공과대학 화학생물공학부 정유성 교수팀은 미국 포덤대학교(Fordham University)와의 공동 연구를 통해 거대언어모델(LLM)을 활용해 신소재의 합성 가능성을 예측하고, 그 예측 근거를 해석하는 기술을 개발했다고 17일 밝혔다. </p>
          <p contents-hash="00f981ec97fb42a9ed4ed16f52aa8e77a0117f5f67cafd16a0e95c69394add82" dmcf-pid="tU4K7fqyI0" dmcf-ptype="general">이번 연구 성과는 반도체 및 2차전지의 신소재 설계 시간 단축을 통해 산업 경쟁력을 강화할 것으로 기대된다.</p>
          <figure class="figure_frm origin_fig" contents-hash="3a6e16b56c6349b272276d3a3962dbd2df67df227a8022c89f527a9ee8b9be4f" dmcf-pid="Fu89z4BWr3" dmcf-ptype="figure">
           <p class="link_figure"><img alt="(왼쪽부터) 서울대학교 화학생물공학부 정유성 교수(교신저자), 서울대학교 화학공정신기술연구소 김성민 박사후연구원(제1저자) 사진=서울대학교" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202503/17/Edaily/20250317145736849wqkh.jpg" data-org-width="670" dmcf-mid="HAK73bphmz" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202503/17/Edaily/20250317145736849wqkh.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            (왼쪽부터) 서울대학교 화학생물공학부 정유성 교수(교신저자), 서울대학교 화학공정신기술연구소 김성민 박사후연구원(제1저자) 사진=서울대학교
           </figcaption>
          </figure>
          <div contents-hash="e7528baa3bb3d7bdc125af9b6aeed33587a4158f581881208f5188e2336642b9" dmcf-pid="3762q8bYrF" dmcf-ptype="general">
           <strong>신소재 합성 가능성 예측 기술의 중요성</strong>
          </div>
          <p contents-hash="ac59667cf6dfad1bfb1754adf333e5551b4efb50bbb3a1ea90ba4c42342047d5" dmcf-pid="0zPVB6KGOt" dmcf-ptype="general">신소재 개발 과정에서 합성 가능성을 정확히 예측하는 기술은 매우 중요하다. 기존의 방법은 열역학적 안정성을 기반으로 한 예측에 그쳐 정확도가 떨어지고, 합성 가능성이 낮은 후보 물질을 사전에 걸러내지 못하거나 합성이 어려운 물질을 최적화하는 데 한계가 있었다. </p>
          <p contents-hash="c64e4eb056f65941006c1814dafb39b0a98bd1a15a0e94f7249a33059426831d" dmcf-pid="pqQfbP9Hm1" dmcf-ptype="general">이로 인해 불필요한 실험이 자주 발생하며, 연구 자원과 시간이 낭비되는 경우가 많았다.</p>
          <p contents-hash="ceb7369bbd6cbfc510008a37e3dbdb71c585ad2967e1976b28dcbe4ef384d54f" dmcf-pid="UBx4KQ2XD5" dmcf-ptype="general">그러나 이번 연구에서는 LLM을 활용해 무기 결정 구조의 합성 가능성을 정확하게 예측할 수 있을 뿐만 아니라, 예측 근거를 과학자들이 이해할 수 있는 방식으로 해석할 수 있게 됐다. </p>
          <p contents-hash="2e03903d13065ac4fce440ab0116353916c29c4ffcd9306d071ac2def516f25c" dmcf-pid="ubM89xVZsZ" dmcf-ptype="general">특히, 기존의 기계학습 모델이 단순히 합성 가능성만을 분류한 것에 비해, LLM은 예측에 필요한 요소들을 밝혀내고 해석할 수 있는 강력한 모델을 구축하였다.</p>
          <p contents-hash="f6b78aadbc47d96450bcf6d9a1d22552d89413e9fd7553d9649167d4dea9c81f" dmcf-pid="7KR62Mf5EX" dmcf-ptype="general">이번 연구 결과는 서울대학교 화학생물공학부 김성민 박사후연구원(제1저자)이 참여한 논문으로, 세계적인 화학 분야 학술지인 미국화학회지(Journal of the American Chemical Society, JACS)와 독일응용화학회지(Angewandte Chemie International Edition)에 각각 2024년 7월 11일과 2월 13일에 발표됐다.</p>
          <figure class="figure_frm origin_fig" contents-hash="8469ec8a77f4278e78b0a6189d5a2adba8728d5432d580ca4a9c48640ee95095" dmcf-pid="z9ePVR41mH" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202503/17/Edaily/20250317145738328jpwk.jpg" data-org-width="647" dmcf-mid="Xt73Zu1ms7" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202503/17/Edaily/20250317145738328jpwk.jpg" width="658"></p>
          </figure>
          <div contents-hash="cf0b6b6704d515b8cb8945c5fdb07fad5803b4538bdddd68a8dee90f87b40574" dmcf-pid="qQaiMge7DG" dmcf-ptype="general">
           연구팀은 먼저 사람이 이해할 수 있는 형태의 무기 결정 소재 데이터를 대규모 언어모델에 학습시키는 미세 조정(fine-tuning) 과정을 거쳤다. 그 후, LLM을 사용해 특정 물질의 합성 가능 여부를 분류하고, 합성에 필요한 전구체를 예측하는 모델을 구축하였다. 결과적으로 LLM은 기존의 맞춤형 기계학습 모델보다 더 높은 예측 정확도를 달성했다.
          </div>
          <p contents-hash="467b8baeaf6e34c1d85931ff0b52b699b757ccbae785e40f24fc90ab9ff04ab2" dmcf-pid="BxNnRadzOY" dmcf-ptype="general">또한, LLM은 합성 가능성 예측뿐만 아니라 합성이 어려운 이유와 그 근본적인 원인을 과학자들에게 설명할 수 있는 중요한 정보를 제공한다. 이는 아직 합성되지 않은 가상의 물질의 합성이 어려운 이유와 그것을 개선할 방법을 찾는 데 큰 도움이 될 수 있다. 연구진은 이 기술을 통해 소재 합성 가능성에 영향을 미치는 복잡한 상관관계와 요소들을 규명하는 데도 성공했다.</p>
          <figure class="figure_frm origin_fig" contents-hash="ff1f42852686965975d5bd21b93996b57c4fefc8f50a0c09afb38afccfdad0cf" dmcf-pid="bMjLeNJqIW" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202503/17/Edaily/20250317145739725wqul.jpg" data-org-width="647" dmcf-mid="ZLjLeNJqmu" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202503/17/Edaily/20250317145739725wqul.jpg" width="658"></p>
          </figure>
          <div contents-hash="adc346995accff6eb030563a86e674bc5bc989106170a4699bad7533b593e993" dmcf-pid="KRAodjiBEy" dmcf-ptype="general">
           <strong>신소재 산업의 경쟁력 강화</strong>
           <br>
           <br>이번 기술은 국내 신소재 산업뿐만 아니라 반도체 및 2차전지 산업의 경쟁력 강화에도 기여할 것으로 기대된다. 기존의 신소재 개발 방식은 많은 시행착오를 수반했지만, LLM을 기반으로 한 예측 기술을 활용하면 소재 설계를 가속화하고, 소요 시간을 대폭 단축할 수 있다. 
           <br>
           <br>특히 반도체 소자 및 고효율 배터리 소재 설계에도 적용이 가능하여, 한국이 주도하는 첨단 소재 산업이 기술 우위를 지속적으로 유지하고 시장에서의 선점 효과를 누릴 수 있을 것이다.
           <br>
           <br>향후 이 기술이 상용화되면 연구소와 기업들이 새로운 물질을 빠르게 발굴하고, 실제 양산 가능성을 평가하는 데 중요한 도구로 자리잡을 것으로 예상된다.
           <br>
           <br>정유성 교수는 “LLM이 신소재 합성 가능성을 정교하게 예측할 수 있을 뿐만 아니라, 그 예측 근거를 해석하고 합성 가능성에 영향을 미치는 화학 규칙을 밝혀내는 데 중요한 기여를 했다는 점에서 이번 연구는 큰 의미가 있다”면서 “향후 LLM 기반 기술이 발전하면 더욱 효율적이고 직관적인 신소재 설계 방향을 제공할 수 있을 것으로 기대된다”고 말했다.
           <br>
           <br>김성민 박사후연구원은 앞으로 기계학습과 재료과학을 융합한 후속 연구를 통해 신소재 개발의 패러다임 변화를 이끌어나갈 계획이라고 밝혔다.
           <br>
           <br>김현아 (chaos@edaily.co.kr) 
          </div>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 이데일리. 무단전재 및 재배포 금지.</p>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기