재료·신소재/화학/환경·에너지

Nikkei Computer_2021.9.2 키워드 (p69)

머티리얼즈 인포매틱스(Materials Informatics)
데이터 정비 및 인재 확보에 과제

인공지능(AI)과 같은 정보 과학 기술을 응용해 재료 개발의 효율을 높이는 연구 활동을 머티리얼 인포매틱스(MI)라고 한다.

일반적으로 화학 업계나 에너지 업계에서는 신소재나 촉매 등의 재료 개발이 경쟁의 우위를 좌우한다. 그 일환으로 방대한 물질의 조합을 통해 원하는 기능이나 특성을 가진 최적의 재료를 탐색하기 위해 MI를 추진한다.

구체적으로는, 기계학습을 활용해 과거의 실험이나 논문, 시뮬레이션 데이터를 분석. 소재의 분자 구조와 조합 안, 제조 방법 등을 여러 개 추측한다. 연구자는 그것을 근거로 실험에 임한다.

MI 등장 이전의 연구자들은 경험과 감을 바탕으로 실험에서 새로운 재료를 합성하고 그 특성을 조사해 개발했다. MI를 통해 연구자는 기존보다 효율적으로 목표하는 재료를 발견할 수 있게 되었다.

MI를 도입하는 장점에 대해 아사히카세이(旭化成)의 고노(河野) 인포매틱스추진센터장은 ‘개발 기간 단축으로 인한 사업 경쟁력 강화, 비용 절감, 사람이 생각할 수 없는 조합의 발견으로 이어지는 혁신성’이라고 말한다.

MI는 최근 각국에서 활발하게 추진되고 있다. 그 계기가 된 것은 2011년, 미국이 최신 정보과학을 활용해 재료 개발의 기간 단축 및 신재료 발견을 목표로 하는 프로젝트 ‘Materials Genome Initiative(MGI)’를 시작한 것이다. 이후, 유럽과 중국, 한국, 일본 등도 국가 프로젝트를 개시했다.

일본에서는 2015년에 물질·재료연구기구(NIMS), 2016년에 신에너지산업기술종합개발기구(NEDO)가 각각 프로젝트를 개시. 산·관·학 합동 추진 체제가 갖춰 졌다.

-- 데이터 정비 및 인재에 과제도 있어 --
MI 도입에는 과제도 있다. 정보과학 기술을 이용하려면 충분한 데이터 기반과 분석 기술이 필수적이다. 예를 들면 기계학습 실행에는 데이터가 불가결하지만, 실험 데이터는 종이나 엑셀파일 등으로 보관되는 경우가 많다. 우선은 방대한 데이터 입력 및 포맷의 준비가 필요하다.

데이터를 분석해 재료 후보를 제안할 수 있는 알고리즘 개발도 필요하지만, 재료 개발과 데이터 사이언스 관련 전문 인재는 적다. 시뮬레이션에도 방대한 시간이 걸린다.

최근 일본의 화학제조사 기업들은 인재 육성과 툴 개발에 주력하고 있다. 예를 들어 아사히카세이는 2019년부터 3년 간, MI에 대응할 수 있는 'R&D 데이터 사이언스 인재' 630명을 육성하기 위해 자체 교육 프로그램을 만들었다.

대형 제조사들이 스타트업 기업과 협업하는 움직임도 있다. ENEOS는 AI 개발업체 Preferred Networks와 공동으로, 물질을 원자 레벨로 재현해 신재료를 탐색할 수 있는 범용 시뮬레이터를 개발. 심층학습을 통해 지금까지 수 시간~수 개월 걸리던 시뮬레이션을 수 초 단위로 할 수 있게 되었다.

MI의 중장기적인 발전에는 기계학습 등의 소프트웨어 기술과 함께 연산 능력이나 메모리 용량 등의 하드웨어 기술 향상도 불가결하다. 향후에는 양자컴퓨터의 활용에도 기대가 모아지고 있다.

 -- 끝 --

Copyright © 2020 [Nikkei Electronics] / Nikkei Business Publications, Inc. All rights reserved.