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

로그인

글쓰기

[IT뉴스]LG AI연구원, 자율실험실 연말 가동… AI가 판단 주체 실험 설계

온카뱅크관리자

2026-09-14 15:07:25

<div id="layerTranslateNotice" style="display:none;"></div> 실험 조건 결정·로봇 수행·결과 재학습… 24시간 반복 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="2WoxJDgRTy">
 <figure class="figure_frm origin_fig" contents-hash="bd051270f16ef0c924bde9c358b0ebba279ab1f3546049acf18dff74a3894e79" dmcf-pid="VYgMiwaeyT" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/14/552796-pzfp7fF/20260914150120286grqy.jpg" data-org-width="640" dmcf-mid="FHLQdEoMTp" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/14/552796-pzfp7fF/20260914150120286grqy.jpg" width="658">
 </figure>
 [디지털데일리 구아현기자] LG가 인공지능(AI)이 실험 결과를 판단해 다음 실험 조건까지 스스로 결정하는 ‘AI 자율실험실’을 올해 말부터 본격 가동한다. 사람이 정한 절차를 로봇이 반복하는 기존 실험 자동화에서 한발 더 나아가 AI가 실험 설계부터 실행·평가·재학습까지 연구 사이클을 이끄는 방식이다.
 임우형 LG AI연구원 공동연구원장은 14일 서울 강서구 LG사이언스파크 ISC동에서 열린 ‘LG AI 토크콘서트 2026’ 기조연설에서 “LG AI연구원은 24시간 스스로 실험하고 학습하는 AI 자율실험실을 구축한다”고 밝혔다.
 소재개발 파운데이션 모델이 새로운 물질의 합성 결과를 예측하면 로봇팔과 자동화 장비가 실제 실험을 수행한다. 여기서 얻은 결과는 다시 AI 학습에 활용되고, AI는 이를 토대로 다음 실험 조건을 정한다. 이 같은 ‘예측→실험→분석→재학습’ 과정을 24시간 반복해 소재 탐색 속도를 높이는 것이 목표다.
 이날 이어진 세션3 ‘자동화를 넘어 자율로: AI 자율실험실이 제시하는 소재 R&amp;D의 미래’에서는 구체적인 운영 방식과 역할 분담도 공개됐다. LG AI연구원은 소재 특화 AI와 실험 설계 모델을, LG화학은 이를 실제 실험으로 연결하는 물리적 인프라를 담당한다. GS칼텍스는 소재 개발 현장에서 AI를 활용하는 적용 파트너로 참여한다.
 ◆ 자동화 넘어 ‘자율’로…AI가 다음 실험까지 결정
 기존 실험 자동화와 AI 자율실험실을 가르는 핵심은 ‘누가 다음 실험을 결정하느냐’다. 기존에는 연구자가 실험 조건과 순서를 정하고 로봇이 이를 반복 수행했다. 자율실험실에서는 AI가 앞선 실험 결과를 분석해 후속 실험 조건을 직접 제안하고 선택한다.
 박재섭 LG화학 R&amp;D AX추진팀장은 “단순 실험 자동화는 사람이 정해준 절차에 따라 로봇이 반복 작업을 수행하는 것”이라며 “AI 자율실험실은 실험 결과를 바탕으로 AI가 다음 실험 조건을 스스로 제안하고 선택한다”고 말했다. 이어 “자동화가 효율을 높이는 것이라면 자율실험은 탐색과 발견의 속도 자체를 바꾸는 것”이라며 “장비와 로봇이 연구원의 손이라면 화학 소재 특화 AI와 데이터 체계는 머리에 해당한다”고 설명했다.
 AI는 가능한 실험을 모두 수행하는 방식도 아니다. 현재까지 확보한 데이터를 분석해 새 정보를 얻을 가능성이 가장 높은 실험부터 골라낸다. 유망한 분자 영역에서는 범위를 좁혀 깊게 탐색하고, 정보가 부족한 영역에서는 보다 다양한 조건을 시험하는 방식이다.
 한세희 LG AI연구원 머티리얼스 인텔리전스 랩장은 “소재 특화 AI는 가능한 모든 실험을 수행하는 대신 현재 우선적으로 확인할 가치가 가장 높은 실험을 먼저 제안한다”며 “최소한의 실험으로 넓은 화학 영역을 신속하게 탐색할 수 있다”고 말했다.
 <div contents-hash="7ea3a4e7d4144f10f6351c253283e47e198310d51746eb79d198117cd245a71c" dmcf-pid="Yd0G1KpXTr" dmcf-ptype="general">
 실제 실험이 가능한지도 AI가 함께 고려한다. 화학물질의 위험성과 안전성은 물론 온도·압력 등 실험 장비가 구현할 수 있는 조건을 반영해 현실에서 수행할 수 있는 실험을 설계하는 구조다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="3ae5a64071df324cf1b48c5ad16a47ecee631ea7989a8761f7ab8a05919e09da" dmcf-pid="GJpHt9UZyw" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/14/552796-pzfp7fF/20260914150121636booi.jpg" data-org-width="640" dmcf-mid="9Ud4xjJ6WW" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/14/552796-pzfp7fF/20260914150121636booi.jpg" width="658">
 </figure>
 ◆ 실험 결과가 다시 AI 학습으로… 소재 R&amp;D 주기 줄인다
 자율실험실에서는 새로 얻은 실험 결과가 다시 AI의 학습 데이터가 된다. AI가 합성할 후보를 정하고 로봇이 실험·평가를 수행하면 새 데이터가 모델에 입력된다. 이를 학습한 AI가 다시 다음 실험을 설계하면서 연구 범위를 스스로 넓혀간다.
 한 랩장은 “새로 합성된 물질의 평가 데이터는 그 자체로 AI 모델이 원했던 학습 데이터”라며 “모델이 궁금했던 화학 공간에 새로운 한 점을 찍게 되는 것”이라고 설명했다.
 소재 개발 현장에서는 물질 합성·혼합부터 전처리, 분석, 평가를 거쳐 다시 실험하는 과정이 반복된다. 원하는 성능을 확보하기까지 짧게는 수주, 길게는 1년 이상 걸릴 수 있다. 자율실험실이 도입되면 사람이 근무하는 시간과 관계없이 실험을 24시간 이어가며 수행 횟수를 늘릴 수 있어 개발 주기를 단축할 수 있다는 설명이다.
 임종구 GS칼텍스 기반기술팀장은 “AI 자율실험실이 도입되면 연구원은 직접 실험하기보다 예상한 결과와 일치하는지, 방향성이 올바른지를 판단하는 데 집중할 수 있다”며 “수행할 수 있는 실험 개수가 크게 늘어나 연구개발 속도와 효율성도 향상될 것”이라고 말했다.
 LG AI연구원과 GS칼텍스는 앞서 엑사원 디스커버리(EXAONE Discovery)를 활용한 소재 후보 탐색 개념검증(PoC)도 진행했다. AI가 목표 성능을 만족할 가능성이 높은 후보물질을 추려내는 방식으로 소재 탐색 시간을 줄일 가능성을 확인했다. 앞으로는 후보 추천에 그치지 않고 실제 실험과 결과 학습까지 연결하는 방향으로 AI 활용 범위를 넓히는 셈이다.
 아울러 LG AI연구원은 바이오·신약 연구에서도 AI가 여러 데이터를 종합해 다음 연구 방향을 제시하는 방식으로 적용 범위를 확대하고 있다. 미국 밴더빌트대 메디컬센터와는 조직 병리 이미지와 유전자 정보, 약물 반응 데이터를 함께 분석해 환자별 치료 전략을 설계하는 ‘암 AI 에이전트’를 공동 개발 중이다. 평균 4주 이상 걸리던 분석 과정을 하루 수준으로 줄이는 것이 목표다.
 자율실험실과 암 AI 에이전트는 적용 영역은 다르지만 AI 역할을 단순한 정보 검색이나 후보 추천에서 연구 과정의 판단·설계 단계까지 끌어올린다. 소재 분야에서는 AI가 다음 실험을 정하고, 암 연구에서는 여러 형태의 환자 데이터를 종합해 치료 전략 수립을 돕는 식이다.
 임 원장은 “AI가 실제 업무 효율을 높이고 비용을 줄이고 생산성과 품질을 개선해 궁극적으로 기업의 실질적인 성과로 이어지는 것이 중요하다”며 “누가 AI로 더 큰 현실의 변화를 만들어내는지가 경쟁의 중요한 기준이 되고 있다”고 말했다.
 </section> 
 </div> 
 Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.

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