리튬 생산 의사결정에 부분 관측 마르코프 결정 과정(POMDP, Partially Observable Markov Decision Process)을 적용한 최적화 프레임워크가 제안됐다. 연구팀은 어느 광산을 언제 개발할지, 직접 리튬 추출(DLE)이나 경암 채굴 중 어떤 기술을 선택할지 등의 복잡한 결정에 지질학적 불확실성, 수요 불확실성, 가격 불확실성을 동시에 반영하지 않은 기존 연구의 한계를 지적하며 이를 통합하는 접근법을 제시했다.
프레임워크는 신뢰 상태(belief state) 계획 기법을 활용해 정적·선형·지수적·확률적 등 네 가지 리튬 가격 시나리오에 동적으로 대응하며 최적 결정 경로를 도출한다. 논문에 따르면 POMDP 기반 솔버가 인간의 경험에 기반한 휴리스틱(heuristic) 방법을 전 시나리오에서 능가했으며, 탐사와 생산 착수, 기술 선택을 최적 순서로 배열해 프로젝트 전체 기간에 걸쳐 수요 충족률을 높이고 경제적·환경적 결과의 균형을 개선했다.
전기차 보급 확대와 에너지 저장 시스템 수요 증가로 리튬 공급망의 전략적 중요성이 높아지는 가운데, 광산 개발 결정은 수십 년에 걸친 장기 투자를 수반하며 가격 변동성과 지질 불확실성에 크게 노출된다. 기존 모델들은 이러한 복합 불확실성을 개별적으로만 다뤄 현실 반영에 한계가 있었다. 이번 연구는 다양한 채굴 기술 옵션과 가격 모델을 통합함으로써 투자자와 생산 전략 수립자가 더 강건한 의사결정을 내릴 수 있는 계산 기반을 제공한다.
리튬은 전기차 배터리와 에너지 저장 장치의 핵심 소재로 ‘하얀 석유’로 불릴 만큼 전략 자원의 위상이 커졌고, 주요국은 공급망 안정화를 위해 채굴·정제 역량 확보 경쟁을 벌이고 있다. 자원 개발 의사결정은 시추 데이터의 불완전성, 수요·가격의 변동, 환경 규제 등 여러 불확실성이 얽혀 있어 전통적으로 전문가의 경험과 직관에 크게 의존해 왔다. 부분 관측 마르코프 결정 과정 같은 강화학습 계열 기법을 자원 산업의 장기 투자 판단에 접목하려는 이번 시도는, AI 기반 의사결정 지원이 디지털 영역을 넘어 광업·에너지 같은 중후장대 산업의 전략 수립으로 확장되고 있음을 보여주는 사례로 읽힌다. 다만 모델의 성능은 입력되는 지질·시장 데이터의 정밀도에 좌우되는 만큼, 실제 광산 운영에 적용하기까지는 현장 데이터와의 정합성 검증이 과제로 남는다.
