Here’s how AI is accelerating materials discovery
Materials R&D teams are using AI simulations to screen millions of ideas faster, even if accuracy slips slightly.
In our latest episode of Lexicon, we sat down with Joshua Young, a senior application scientist at Matlantis, to explore how artificial intelligence (AI) is reshaping the way new materials are discovered. Materials science has always been a foundation of modern technology, but today it is increasingly driven by simulation, data, and machine learning.
https://interestingengineering.com/innovation/heres-how-ai-is-accelerating-materials-discovery
인공지능이 신소재 개발을 가속화하는 방법은 다음과 같습니다.
소재 연구 개발팀은 정확도가 약간 떨어지더라도 수백만 개의 아이디어를 더 빠르게 검증하기 위해 AI 시뮬레이션을 사용하고 있습니다.
Lexicon 최신 에피소드에서는 Matlantis 의 선임 응용 과학자인 조슈아 영 (Joshua Young) 과 함께 인공지능(AI)이 신소재 발견 방식을 어떻게 변화시키고 있는지 살펴보았습니다. 재료 과학은 항상 현대 기술의 기반이 되어 왔지만, 오늘날에는 시뮬레이션, 데이터 및 머신 러닝에 의해 점점 더 많은 영향을 받고 있습니다.
그는 또한 인공지능이 실제 재료 연구에 접목됨에 따라 신뢰, 지적 재산권 보호 및 인간 전문성이 여전히 중요한 이유에 대해서도 설명했습니다.
AI를 가속기로서 활용
영은 사람들이 재료 과학 분야에서 AI라는 말을 들으면 흔히 "재료의 전 과정 발견"을 떠올린다고 설명했습니다. 하지만 실제로는 AI 도구가 기존 워크플로를 완전히 대체하기보다는 그 위에 추가되는 형태로 활용되고 있습니다.
"현재 저희 조사에 따르면 많은 연구자들이 이러한 새로운 AI 시뮬레이션 도구를 밀도 함수 이론과 같은 전통적인 물리 기반 방법과 결합하여 사용하고 있습니다."라고 그는 설명했습니다.
영은 조사 대상 팀의 약 절반이 이미 AI 기반 시뮬레이션 플랫폼을 실제 운영 환경에서 사용하고 있으며, 전통적인 방식이 여전히 전체 작업량의 약간 더 많은 부분을 차지하고 있다고 덧붙였습니다.
"이러한 현상은 AI가 현재 기존 기술과 공존하며 이를 보완하는 역할을 하고 있음을 보여줍니다."라고 영은 말했습니다. "주로 연구의 특정 부분을 가속화하는 데 사용되며, 발견 과정을 처음부터 끝까지 완전히 장악하는 것은 아닙니다."
완전한 자율성이 여전히 우리에게 어려운 이유는 무엇일까?
영은 인공지능 기반 시뮬레이션과 실험이 기술적으로는 가능하지만, 여전히 파편화되어 있다고 강조합니다. 그는 "가장 큰 장애물은 현재 이러한 기술들이 여전히 분산되고 파편화되어 있다는 점"이라고 설명합니다.
그 결과, 영은 광범위한 영역에 걸쳐 완전 자율적인 소재 발견이 가능해지려면 아직 "아마도 몇 년, 3년에서 5년 정도 더 걸릴 것"이라고 예상합니다.
인간 참여
자동화가 발전하고 있음에도 불구하고 영은 인간의 전문 지식이 여전히 필수적이라고 확신합니다. 그는 "우리는 이것을 '인간 개입'이라고 부릅니다."라고 말하며, "인간의 직관이 필요한 것은 아닙니다. 실험을 해석하고 실행하기 위해서는 여전히 해당 분야의 전문 지식이 필요합니다."라고 덧붙였습니다.
AI 에이전트가 시뮬레이션 및 분석의 일부를 자동화하는 데 점점 더 많이 사용되고 있지만, 영은 인간을 완전히 배제하는 것은 좋지 않은 결과로 이어질 가능성이 높다고 주장합니다.
그는 "완전 자율 주행이 궁극적인 목표일 수 있지만, 실질적인 속도 향상과 신소재 발견을 위해서는 결국 인간이 개입하는 방식이 필요하다고 생각한다"고 말했다.
그는 핵심적인 이유 중 하나로 신뢰를 꼽았습니다. 설문조사에 따르면 연구자 중 약 14%만이 AI 시스템에 대해 매우 높은 신뢰를 보인다고 답했습니다. 영은 "이러한 주저함의 일부는 확고한 신뢰가 부족한 데서 비롯된다"고 설명했습니다. 전문가의 감독 없이는 "쓰레기를 넣으면 쓰레기가 나온다"는 우려가 실제로 존재한다고 덧붙였습니다.
완벽함보다 속도
Matlantis 설문조사에서 가장 눈에 띄는 결과 중 하나는 연구자들이 속도를 위해 정확성을 기꺼이 희생할 의향이 있다는 점입니다. Young은 "연구자의 73%가 100배 빠른 결과를 얻기 위해 약간의 정확성을 포기할 의향이 있다"고 언급했습니다.
계산 전문가들에게 있어 이는 일반적으로 원자당 5~10밀리전자볼트의 편차를 허용하는 것을 의미하는데, 이 정도 편차는 의미 있는 추세를 유지하기에 충분히 작은 범위입니다. 그는 "이러한 편차를 기꺼이 수용한다는 것은 업계가 절대적인 완벽함보다는 처리량과 스크리닝 능력에 매우 집중하고 있음을 보여줍니다."라고 말했습니다.
게다가 압박감은 현실적입니다. 영은 "설문 조사에 참여한 팀의 94%가 시간 제약 때문에 시뮬레이션 프로젝트를 포기해야 했다"고 말했습니다. 따라서 속도는 더 이상 편의를 위한 요소가 아니라 혁신의 필수 조건이 되었습니다.
그는 "이는 실용적인 변화를 의미하며, 현재 컴퓨팅 병목 현상으로 인해 정체되어 있는 혁신을 실현하는 데 있어 속도가 가장 중요한 요소로 여겨지고 있음을 보여준다"고 설명했다.
영은 시뮬레이션이 유용하려면 완벽한 예측을 내놓아야 한다는 생각에도 반박했습니다. 그는 도쿄대학교의 시모가키 유키히로 교수와의 인터뷰를 인용하며 "정확도란 정확한 수치를 맞추는 것에 관한 것이 아니다"라고 지적했습니다.
대신, 시뮬레이션은 "정성적 추세를 정확하게 예측하고 탐색 범위를 좁힐 때" 가장 가치가 있습니다. 이러한 관점에서 AI 기반 시뮬레이션은 필터 역할을 하여 부적합한 후보를 신속하게 제거함으로써 실험 자원을 가장 중요한 곳에 집중할 수 있도록 합니다.
실제적인 승리
이론을 넘어, AI 기반 시뮬레이션은 이미 실질적인 이점을 제공하고 있습니다. 영은 "이러한 AI 강화 시뮬레이션은 이미 측정 가능한 가치를 제공하고 있습니다."라고 말했습니다. 이를 사용하는 조직들은 물리적 실험 감소, 컴퓨팅 비용 절감, 그리고 빠른 반복 작업을 통해 프로젝트당 평균 약 10만 9천 달러의 비용 절감을 보고하고 있습니다.
한 사례 연구에서 한 화학 회사는 13가지 잠재적인 촉매 개선 방안을 평가했습니다. 영은 "기존 방식으로는 2~3년이 걸렸을 것"이라고 말했습니다.
인공지능 기반 시뮬레이션을 활용하여 단 6주 만에 동일한 결론에 도달했다. 그는 "수년간의 헛수고를 피할 수 있어서 오히려 기뻐했다"고 덧붙였다.
또 다른 예로, 연구원들은 일주일도 안 되는 기간 동안 3,200만 개의 잠재적인 고체 배터리 소재를 선별했습니다. 영은 "전통적인 방식으로는 이런 작업에 수십 년이 걸렸을 것"이라고 덧붙였습니다. 그 결과, 시제품 배터리는 9개월도 채 안 되어 개발되었습니다.
신뢰, 지적 재산권 및 보안
이러한 진전에도 불구하고, 특히 지적 재산권과 관련하여 신뢰는 여전히 중요한 걸림돌로 남아 있습니다. 영은 "데이터 보안은 기본적으로 타협할 수 없는 문제"라고 말했습니다. 설문 조사에 참여한 응답자 중 지적 재산권 보호를 중요하지 않다고 생각하는 사람은 단 한 명도 없었습니다.
그는 "이러한 소재 혁신은 수십억 달러의 가치를 지닐 수 있다"고 설명하며, 데이터 유출이나 모델 노출에 대한 우려가 지극히 당연하다고 덧붙였습니다. 그 결과, 기업들은 점점 더 엄격한 보안 조치, 프라이빗 클라우드 구축 또는 온프레미스 솔루션을 요구하고 있습니다.
영은 고객이 데이터에 대한 완전한 소유권을 유지한다는 점을 강조했습니다. 그는 "우리는 지적 재산권 관련 문제에 전혀 관여하지 않습니다. 모든 지적 재산권은 사용자에게 있습니다."라고 덧붙였습니다.
앞으로 나아갈 길
영은 5년 후를 내다보며 대규모 고속 스크리닝이 일상화될 것이라고 믿는다. 그는 "수천, 수십만, 수백만 건의 시뮬레이션을 며칠 또는 몇 주 안에 실행하는 것이 새로운 프로젝트를 시작하는 데 있어 표준적인 기준이 될 것"이라고 말했다.
그는 또한 시뮬레이션이 로봇 실험을 유발하고 실험 결과가 AI 모델에 직접 반영되는 자율 주행 연구소, 즉 통합 시스템의 등장을 예상합니다. 그의 표현을 빌리자면, "물리적 실패조차도 자산으로 바꾸는 것"입니다.
무엇보다 중요한 것은 영이 이러한 미래를 과학자들을 소외시키는 미래로 보지 않는다는 점입니다. 그는 "과학자들을 대체하는 것이 아니라, 오히려 과학자들과 연구자들이 새로운 아이디어를 추구할 수 있도록 진정으로 자유롭게 해 줄 것"이라고 말했습니다.
인공지능은 연구의 고되고 힘든 부분을 자동화함으로써 인간이 가장 잘하는 일에 집중할 수 있도록 해준다. 영은 "이 모든 고된 시간을 혁신으로 전환할 수 있다"며 "계획, 전략, 그리고 참신한 아이디어를 내놓는 것이 바로 우리 인간의 강점이다"라고 결론지었다.
https://interestingengineering.com/innovation/heres-how-ai-is-accelerating-materials-discovery
댓글 없음:
댓글 쓰기