챗MOF로 96.9% 금속 유기 골격체 물성 예측하다
챗MOF로 96.9% 금속 유기 골격체 물성 예측하다
  • 이웃집과학자
  • 승인 2024.06.26 15:20
  • 조회수 1073
  • 댓글 0
이 기사를 공유합니다

KAIST 연구진이 챗GPT를 활용해 큰 다공성, 높은 표면적, 그리고 뛰어난 조절 가능성으로 많은 화학 응용 분야에서 사용되는 금속 유기 골격체의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(이하 챗MOF)을 개발했습니다. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보여 화제인데요.

 

KAIST는 생명화학공학과 김지한 교수 연구팀이 인공지능(AI)의 급격한 발전에 주목하며, 대규모 언어 모델(이하 LLMs) 활용을 통해 금속 유기 골격체(Metal-Organic Frameworks, MOFs)의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(ChatMOF)을 개발했다고 26일 발표했습니다. 

 

연구 배경

  • 자율 AI (autonomous AI)는 사람의 개입 없이 task를 수행할 수 있는 시스템을 일컬으며, 자동차, 드론, 스마트 홈 서비스 등 다양한 곳에서 사용되고 있음.
  • 최근 많은 사람이 사용하고 있는 대규모 언어 모델 (예: 챗지피티) 역시 사람의 개입 없이 문제를 해결하기에 자율 AI의 일종임. 그러나 이러한 대규모 언어 모델은 아직 소재 분야에서 정확한 답변을 제공할 수 없음. 이는 1) 소재 데이터를 텍스트-친화적인 형태로 변환하기 어려우며, 2) 언어 및 사진 데이터베이스에 비하여 현저히 적은 양의 데이터베이스 (최대 2만 개의 구조)를 가지고 있기에 많은 가중치를 가진 대규모 언어 모델을 학습하기 힘들기 때문임.
  • 이러한 문제를 해결하기 위하여 최근 대규모 언어 모델과 다양한 도구를 결합하는 형태가 등장하고 있음. 대규모 언어 모델은 인간의 뇌와 같이 문제를 해결하기 위한 계획을 세우고 계획을 실행함. 이를 활용하여 본 연구진은 소재 분야에서 사용할 수 있는 금속-유기 골격체를 위한 챗봇 시스템을 개발하였음.

 

최근 인공지능(AI)의 발전에는 큰 도약이 있었지만 재료 과학에서의 LLM의 잠재력을 완전히 실현하기에는 여전히 물질의 복잡성과 재료별 특화된 훈련 데이터의 부족이라는 한계점이 존재했습니다.

 

김지한 교수 연구팀이 개발한 챗MOF는 재료 분야에서 전통적인 머신러닝 모델과 LLM을 결합한 혁신적인 접근 방식으로 계산 및 머신러닝 도구에 대한 초보자들과의 격차를 상당히 줄일 수 있는 잠재력을 가지고 있습니다.

 

연구 내용

  • 본 연구진은 금속-유기 골격체 (MOF)에 대한 사용자의 질문에 답변할 수 있는 챗봇 시스템 (ChatMOF)을 개발하였음. (그림 1) ChatMOF는 MOF의 물성을 검색하거나, 머신러닝을 이용하여 예측하여 사용자에게 답변할 수 있음. 그뿐만 아니라 사용자가 원하는 물성을 가지는 MOF를 역설계할 수 있음.
[그림 1] 대규모 언어 모델을 이용한 금속-유기 골격체의 예측 및 역설계 챗봇 시스템 예시. 사용자가 MOF의 속성에 대해 텍스트 질문을 하면 ChatMOF에서 적절한 답변을 제공함. 사용자가 새로운 MOF를 생성하고자 하는 경우, ChatMOF는 조건을 만족하는 새로운 MOF를 생성할 수 있음. 출처: KAIST
[그림 1] 대규모 언어 모델을 이용한 금속-유기 골격체의 예측 및 역설계 챗봇 시스템 예시. 사용자가 MOF의 속성에 대해 텍스트 질문을 하면 ChatMOF에서 적절한 답변을 제공함. 사용자가 새로운 MOF를 생성하고자 하는 경우, ChatMOF는 조건을 만족하는 새로운 MOF를 생성할 수 있음. 출처: KAIST
  • ChatMOF는 사용자의 질문에 대하여 대규모 언어 모델 (ChatGPT)을 활용하여 문제를 해결하기 위한 계획을 세우고, 계획에 필요한 적절한 도구를 선택함. 도구에서 얻은 결과값을 바탕으로 대규모 언어 모델을 활용하여 해당 결과가 사용자 질문에 답을 줄 수 있는지를 판단함. 만약 최종 답변을 제공할 수 있다면 사용자에게 답변을 진행하고, 할 수 없다면 문제를 해결하기 위한 계획을 다시 수립함. (그림 2)
대규모 언어 모델을 이용한 금속-유기 골격체의 예측 및 역설계 챗봇 시스템 개요. ChatMOF는 에이전트, 도구, 평가자의 세 가지 핵심 구성 요소로 이루어져 있음. 에이전트는 사용자로부터 질문을 받으면 계획을 수립하고 적합한 도구를 선택함. 그 후 도구는 제안된 계획에 따라 출력을 생성하고 평가자는 이 결과를 최종 응답으로 만듦.출처: KAIST
대규모 언어 모델을 이용한 금속-유기 골격체의 예측 및 역설계 챗봇 시스템 개요. ChatMOF는 에이전트, 도구, 평가자의 세 가지 핵심 구성 요소로 이루어져 있음. 에이전트는 사용자로부터 질문을 받으면 계획을 수립하고 적합한 도구를 선택함. 그 후 도구는 제안된 계획에 따라 출력을 생성하고 평가자는 이 결과를 최종 응답으로 만듦.출처: KAIST
  • 도구는 표로부터 데이터를 검색하는 “검색 도구”, 머신러닝을 이용하여 물성을 예측하는 “예측 도구”, 원하는 물성을 가지는 물질을 역설계하는 “생성 도구”, 그리고 계산기, 단위 변환기와 같은 다양한 유틸리티들이 존재함.

 

또한 이 독특한 시스템은 인공지능의 변혁적인 능력과 재료 과학의 복잡한 측면들을 연결하며, 다양한 작업에서 뛰어난 성능을 보여주는데요. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보고합니다. 한편, 더 복잡한 구조 생성 작업은 그 복잡함에도 불구하고 주목할 만한 87.5%의 정확도를 달성했습니다. 이러한 유망한 결과는 챗MOF가 가장 요구가 많은 작업을 관리하는 데도 효과적임을 강조하는 것이라고 하네요.

 

기대 효과

제시된 방법론은 소재 분야에서 사용자가 원하는 물질에 대한 자세하고 정확한 정보를 제공함으로써 빠르고 정확한 정보를 얻을 수 있습니다.. 뿐만 아니라 비숙련자가 사용하기 힘든 머신러닝 및 다양한 계산 화학 도구를 쉽게 사용할 수 있게 하여 숙련자와 비숙련자 사이의 간격을 좁힐 수 있습니. 이러한 방법을 통하여 새로운 물질을 빠르고 정확하게 생성하고, 연구할 수 있기에 소재 개발을 앞당길 수 있을 것으로 전망한다고 하는데요.

 

김지한 교수는 “연구팀이 개발한 기술은 재료 과학 분야에서 인공지능의 더 높은 자율성을 달성하기 위한 중요한 진전을 나타낸다. 기술이 발전함에 따라, 모델 용량과 온라인 플랫폼에서의 데이터 공유에 대한 체계적인 개선을 통해 챗MOF의 성능을 더욱 최적화할 수 있으며, 이는 금속 유기 골격체 연구 분야에서 놀라운 진전을 촉진할 수 있다.”라고 전했습니다.

 

연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature communications)'에 지난 6월 3일 게재됐습니다.

논문명: ChatMOF: An Artificial Intelligence System for Predicting and Generating Metal-Organic Frameworks Using Large Language Models

한편 이번 연구는 과학기술정보통신부의 지원으로 국가 소재 연구 데이터 사업단, 그리고 한국연구재단 (NRF) 중견 연구자 지원 사업의 지원을 받아 수행됐다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • 충청남도 보령시 큰오랏3길
  • 법인명 : 이웃집과학자 주식회사
  • 제호 : 이웃집과학자
  • 청소년보호책임자 : 정병진
  • 등록번호 : 보령 바 00002
  • 등록일 : 2016-02-12
  • 발행일 : 2016-02-12
  • 발행인 : 김정환
  • 편집인 : 정병진
  • 이웃집과학자 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재와 복사, 배포 등을 금합니다.
  • Copyright © 2016-2024 이웃집과학자. All rights reserved. mail to contact@scientist.town
ND소프트