< 사진 1. 왼쪽부터 생명화학공학과 김지한 교수, 이유한 박사, 박준길 박사 >




 

최근 생성형 인공지능은 텍스트, 이미지, 비디오 생성 등 다양한 분야에서 널리 사용되고 있지만, 소재 개발 분야에서는 아직 충분히 활용되지 못하고 있다. 이러한 상황에서 KAIST 연구진이 구조적

복잡성을 지닌 다공성 소재를 생성하는 인공지능 모델을 개발하여, 사용자가 원하는 특성의 소재를 선택적으로 생성할 수 있게 되었다. 

 

우리 대학 생명화학공학과 김지한 교수 연구팀이 원하는 물성을 가진 금속 유기 골격체(Metal-Organic Frameworks, MOF)를 생성하는 인공지능 모델을 개발했다고 23일 밝혔다. 

 

김지한 교수 연구팀이 개발한 생성형 인공지능 모델인 모퓨전(MOFFUSION)은 금속 유기 골격체의 구조를 보다 효율적으로 표현하기 위해, 이들의 공극 구조를 3차원 모델링 기법을 활용해 나타내는

혁신적인 접근 방식을 채택했다. 이 기법을 통해 기존 모델들에서 보고된 낮은 구조 생성 효율을 81.7%로 크게 향상시켰다.





 

< 그림 1. MOFFUSION 구조 모식도. 잠재 확산 모델 아키텍처를 채용하였으며, 부호화 거리 함수를 활용하여 구조를 효과적으로 표현함. 숫자, 카테고리, 텍스트 등의 다양한 형식의 데이터를 활용하여 생성 과정을 제어할 수 있음. >

또한, 모퓨전은 생성 과정에서 사용자가 원하는 특성을 다양한 형태로 표현하여 인공지능 모델에 입력할 수 있는 특징이 있다. 연구진은 사용자가 원하는 물성을 숫자, 카테고리, 텍스트 등 다양한 형태로

입력할 수 있으며, 데이터 형태와 관계없이 높은 생성 성능을 보임을 확인했다. 

 

예를 들어, 사용자가 생성하고자 하는 물질의 특성값을 텍스트 형태(예:“30 g/L의 수소 흡착량을 갖는 구조”)로 모델에 입력하면, 모델은 이에 상응하는 물질을 선택적으로 생성한다. 이러한 특징은 소재 개발에

있어 인공지능 모델의 활용성과 편의성을 크게 개선하는 요소로 작용한다.




 

< 그림 2. 원하는 수소 저장 능력을 가진 금속 유기 골격체 생성 예시. 사용자가 원하는 수소 저량을 제시하면, 모델이 이에 상응하는 흡착 능력을 보이는 구조를 선택적으로 생성함 >




 

김지한 교수는 “원하는 물성의 소재를 개발하는 것은 소재 분야의 가장 큰 목표이며 오랜 연구 주제”라며, “연구팀이 개발한 기술은 인공지능을 활용한 다공성 소재 개발에 있어 큰 발전을 이뤘으며, 앞으로 해당

분야에서 생성형 인공지능의 도입을 촉진할 것”이라고 말했다. 

 

우리 대학 생명화학공학과 박준길 박사, 이유한 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)'에 지난 1월 2일 게재됐다.

(논문명 : Multi-modal conditional diffusion model using signed distance functions for metal-organic frameworks generation) (https://doi.org/10.1038/s41467-024-55390-9)




 

< 그림 3. 원하는 공극 구조를 가진 금속 유기 골격체 생성 예시. 사용자가 원하는 공극 구조를 제시하면 모델이 이에 상응하는 공극 구조를 보이는 금속 유기 골격체를 생성함 >




 

한편 이번 연구는 과학기술정보통신부의 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업, 나노 및 소재기술 개발사업, 그리고 한국연구재단 (NRF) 중견연구자 지원사업의 지원을 받아 수행됐다.