성균관대학교 신소재공학부 조성범 교수팀이 아주대학교 박진성·조현석 교수팀, 미국 매사추세츠공과대학교(MIT) 주 리 교수팀과 함께 LLM(대규모 언어 모델) 기반 신소재 합성 플랫폼을 개발했다. 플랫폼은 문헌에서 합성 조건을 찾아 새 레시피를 제안하고, 실제 실험 결과를 다시 받아 다음 조건을 고치는 폐루프 방식으로 작동한다. 연구 논문은 2026년 8월 10일 국제학술지 ‘어드밴스드 머터리얼즈’ 온라인판에 공개됐다.
연구팀은 오픈액세스 고상 합성 논문 4407편에서 목표 화합물, 전구체, 처리 온도와 시간 등 핵심 정보를 추출해 구조화된 레시피 데이터셋을 만들었다. 연구자가 합성하려는 물질을 입력하면 RAG(검색 증강 생성)가 데이터셋에서 유사한 기존 레시피를 먼저 찾고, LLM은 그 사례를 조건으로 새 후보 레시피를 작성한다. 문헌을 일일이 훑어 출발 조건을 정하던 과정을 검색과 생성으로 연결해 실험 후보를 좁히는 구조다.
실제 사용 단계에서는 1차 원리 계산으로 고른 미보고 고체 전해질 후보 가운데 옥시-셀레나이드계 물질에 플랫폼을 적용했다. 최초 600℃ 조건에서는 목표 물질과 함께 여러 불순물상이 생겼다. 연구팀이 실패 결과를 다시 입력하자 플랫폼은 온도를 낮춘 후속 조건을 제안했고, 연구진은 450℃와 400℃에서 실험을 이어갔다. 이 반복을 거쳐 불순물이 검출되지 않는 단일상 신소재를 합성했다.
| 단계 | 입력·조건 | 확인 결과 |
|---|---|---|
| 문헌 구축 | 오픈액세스 논문 4407편 | 합성 레시피 데이터셋 구성 |
| 첫 실험 | 600℃ | 복수의 불순물상 형성 |
| 피드백 실험 | 450℃, 400℃ | 불순물 없는 단일상 합성 |
이 방식은 고상 합성 연구자가 방대한 문헌에서 초기 조건을 찾고 실패 결과를 다음 실험에 반영하는 데 도움을 줄 수 있다. 다만 AI의 제안만으로 소재가 완성되는 것은 아니다. 사용한 기반 자료가 공개 논문에 한정되고, 제안 조건은 연구자가 실제 합성과 분석으로 검증해야 한다. 연구진은 반복 실험을 줄일 가능성을 제시했지만 구체적인 시간이나 비용 절감 폭은 공개하지 않았다.
저작권자 © STORIUM 무단전재 및 재배포 금지
