일본 연구진이 인공지능(AI) 모델의 예측 원리를 분석해 신소재 개발의 효율을 높이는 새로운 방법을 개발했다.
도쿄과학대 연구팀은 원자 구조 데이터와 광학 흡수 스펙트럼을 학습한 AI 모델에서 핵심 특징을 추출하는 기술을 개발했다고 15일(현지시간) 국제학술지 '어드밴스드 인텔리전트 디스커버리'에 발표했다.
최근 신소재 발견에 AI가 널리 활용되고 있지만, 대부분의 AI 모델은 '블랙박스'처럼 작동해 예측 결과만 제시할 뿐 근거를 설명하지 못했다. 이는 소재의 구조와 특성 간 관계를 이해하는 데 한계로 작용했다.
연구팀은 기존 그래프 신경망 아키텍처인 'ALIGNN'을 활용했다. 2681개의 금속 산화물 등 화합물 데이터를 학습시킨 모델의 내부에서 특징을 추출하고, 이를 계층적 클러스터링 기법으로 분석했다.
그 결과, 원소 구성, 원자 배위, 결합 길이 등 구조적 특징과 광학 스펙트럼 형태가 유사한 소재들을 그룹으로 분류할 수 있었다. AI가 별도 정보 없이 원자 구조만으로 구조와 물성 간의 의미 있는 관계를 스스로 파악한 것이다.
광학적 특성은 염료나 안료의 색상부터 태양전지, 광검출기 등 장치와 빛의 상호작용까지 다양한 분야에 영향을 미친다. 이번 연구는 이런 특성을 결정하는 구조적 요인을 파악해 맞춤형 소재 설계의 기반을 마련했다는 평가다.
연구팀은 이 방법이 광학 스펙트럼뿐 아니라 온도나 압력 등 다른 조건에서 소재가 어떻게 반응하는지 분석하는 데도 확장 적용될 수 있다고 설명했다.
다카하시 아키라 도쿄과학대 조교수는 "기계학습 모델이 스펙트럼 특성에 대해 무엇을 학습했는지 해석하기 어려웠다"며 "이번에 개발한 범용적 방법이 재료 연구에 폭넓게 유용할 것"이라고 말했다.