국민대학교(총장 정승렬) 일반대학원 화학과 정준영 교수 연구팀이 화학물질의 배합 비율에 따라 달라지는 혼합물의 성질을 예측하는 인공지능(AI) 모델을 개발했다.

△ 사진= 여러 화학물질이 섞인 혼합물의 성질을 예측하는 AI 모델 ‘MEMo’ 개요

이번 연구에는 김지환 석·박사통합과정생과 김찬중 학부연구생이 참여했으며, 연구 성과는 화학공학 분야의 대표적인 SCI 국제학술지 ‘Chemical Engineering Journal’에 ‘Encoding composition-dependent intermolecular interactions into learned molecular representations’라는 제목으로 게재됐다. 해당 학술지는 피인용지수(Impact Factor) 13.2를 기록한 JCR 상위 등급(Q1)의 국제학술지다.

우리 주변의 화학 제품은 대부분 한 가지 물질이 아니라 여러 물질이 섞인 혼합물이다. 공장에서 사용하는 용매, 배터리 속 전해질, 자동차 연료, 화장품과 의약품 제형 등이 대표적이다. 혼합물의 성질은 어떤 물질이 포함돼 있는지뿐 아니라 각각의 물질이 얼마나 섞였는지에 따라 달라지며, 그 변화가 반드시 배합 비율에 비례하는 것은 아니다. 가능한 모든 조합과 비율을 실험으로 측정하기에는 한계가 있어, 실험 없이 혼합물의 성질을 예측하는 AI 기술의 중요성이 높아지고 있다.

기존 AI 모델은 혼합물을 분석할 때 각 분자의 특성을 개별적으로 학습한 뒤, 배합 비율에 따라 평균을 내는 방식을 주로 활용했다. 이는 요리의 완성된 맛을 직접 확인하지 않고 각각의 재료를 따로 맛본 뒤 평균을 내어 추정하는 것과 유사하다. 이러한 방식은 분자들이 서로 영향을 주고받는 상호작용과 배합 비율에 따른 변화를 학습하는 데 한계가 있었다.

정 교수 연구팀은 이러한 문제를 해결하기 위해 새로운 AI 모델 ‘MEMo(Mixture Embedding via Mole Fraction)’를 개발했다. MEMo는 분자를 이해하는 초기 단계부터 어떤 분자와 얼마나 섞이는지를 함께 입력받도록 설계됐다. 모델 앞부분에서는 각 분자의 특성을 파악하고, 뒷부분에서는 서로 다른 분자들이 정보를 주고받으며 상호작용을 학습한다. 이를 통해 같은 분자라도 어떤 분자와 어떤 비율로 섞이느냐에 따라 AI가 서로 다르게 인식할 수 있도록 했다.

연구팀은 미국 국립표준기술연구소(NIST)의 실험 데이터 86만 건 이상을 바탕으로 밀도, 음속, 증기압, 굴절률, 표면장력 등 5가지 성질에 대한 평가 자료를 구축하고 모델의 성능을 검증했다. 그 결과 MEMo는 5가지 성질 중 4가지에서 기존 대표 방식보다 높은 예측 정확도를 보였다.

특히 이온성 액체나 염 수용액처럼 분자 간 상호작용이 강한 혼합물과 AI가 학습 과정에서 접하지 않은 새로운 분자가 포함된 혼합물에서 성능 차이가 두드러졌다. 또한 하나의 모델로 순수 물질부터 두 가지 또는 세 가지 물질이 섞인 혼합물까지 모두 처리할 수 있어 다양한 화학물질의 특성 예측에 활용할 수 있다. 연구팀은 평가 자료와 모델 코드를 모두 공개해 다른 연구자들도 자유롭게 활용할 수 있도록 했다.

이번 연구는 혼합물의 성질을 예측할 때 분자 자체의 특성뿐 아니라 배합 비율에 따라 달라지는 분자 간 상호작용을 AI가 학습하도록 했다는 점에서 의미가 있다. 특히 다양한 배합 조건에 대한 실험 부담을 줄이고, 배터리 전해질과 친환경 용매 등 여러 산업 분야에서 소재 개발의 효율성을 높이는 데 기여할 것으로 기대된다.

정준영 교수는 “혼합물의 성질은 분자가 '누구와 얼마나' 만나느냐에 따라 달라지는데, AI도 같은 원리로 분자를 이해하도록 만든 것이 이번 연구의 핵심”이라며 “실험 없이도 다양한 배합의 성질을 빠르게 예측할 수 있어 배터리 전해질 설계, 친환경 용매 개발, 이산화탄소 포집 소재 탐색 등 혼합물을 다루는 폭넓은 산업 분야에서 소재 개발의 시간과 비용을 줄이는 데 기여할 것으로 기대한다”고 밝혔다.

△ 사진= (좌측부터) 국민대 정준영 교수, 김지환 석·박사통합과정생, 김찬중 학부연구생