서강대 백서인 교수팀, 새로운 촉매 찾는 생성형AI 모델 개발 … 과산화수소 생산 촉매 제시

서강대학교는 화공생명공학과 백서인 교수 연구팀이 챗GPT로 잘 알려진 언어 모델 GPT 구조를 활용해 촉매를 생성하는 생성형 인공지능(AI) 모델을 개발했다고 16일 밝혔다. 연구팀은 이 모델을 이용해 새로운 과산화수소 생산 촉매를 제안했다.

소재 연구 분야에서는 원하는 물성을 가진 소재를 효율적으로 탐색하는 게 핵심 과제다. 기존에는 모든 가능성을 탐색하는 방식으로 소재를 찾았지만, 소재 성능에 대한 요구가 높아짐에 따라 탐색할 화학 공간이 사실상 무한대로 확대됐다. 이에 따라 모든 소재를 열거하고 평가하는 기존 방식은 비용과 시간 측면에서 비효율적이다.

이런 한계를 극복하기 위한 해결책으로 역설계 전략이 주목받는다. 역설계는 원하는 물성으로부터 소재를 생성하는 방법으로, 최근 소재 분야에서 AI를 활용한 연구의 주요 흐름이 되고 있다. 그러나 무기 소재, 특히 촉매와 같은 복잡한 시스템에서는 역설계가 어려워 간단한 결정 구조나 특정한 원소 조합에 제한적으로 적용돼 왔다.

최근 챗GPT 등 언어 모델이 급속히 발전하면서 이를 소재 역설계에 활용하려는 시도가 증가하고 있다. 언어 모델 기반의 무기 결정 구조 역설계가 기존 역설계 방법들과 비견할 만한 성능을 보인다는 연구 결과가 보고되고 있다.

백 교수 연구팀은 언어 모델의 간단한 텍스트 표현법에 주목하고 복잡한 촉매 표면의 역설계에 적합한 생성 모델인 'Catalyst Generative Pretrained Transformer(CatGPT)'를 개발했다.

연구팀은 촉매 표면 구조를 격자 상수, 원소 기호, 좌푯값으로 나타낸 연속적인 텍스트로 변환하고 이를 언어 모델에 학습시켜, 모델이 촉매 표면을 나타내는 텍스트를 생성할 수 있게 설계했다. 그 결과 90% 이상의 확률로 물리적으로 타당하며 실제 촉매와 유사한 촉매를 생성할 수 있었다. 또한 언어 모델의 생성 방식을 응용해 잘못 생성된 원자를 배제하는 알고리즘을 도입해 생성된 촉매의 정확도를 더욱 향상할 수 있었다.

연구팀은 CatGPT를 활용해 특정 물성을 가지는 촉매를 선택적으로 생성하는 전략을 제시했다. 특정 흡착물을 포함하는 촉매를 생성할 수 있는 '텍스트 조건부 생성'과 소량의 학습 데이터로도 모델의 성능을 유지하면서 생성 방향을 조정할 수 있는 미세 조정(fine-tuning) 기법을 활용했다. 두 방법 모두 성공적으로 적용돼 원하는 특성을 가진 촉매의 선택적 생성이 가능했다.

특히 미세 조정 기법을 통해 CatGPT가 과산화수소 생산 촉매를 높은 확률로 생성할 수 있게 개선했고, 밀도범함수이론(DFT) 계산을 통해 유망한 10가지 촉매 후보를 제시하고 검증했다.

백 교수는 "이번 연구는 최초로 범용적인 무기 촉매 생성 모델을 개발하고 이에 대한 포괄적 연구를 수행했다는 점에서 의미가 크다"며 "앞으로 촉매 역설계 연구의 방향성을 제시할 수 있을 것으로 기대한다"고 말했다.

이번 연구 성과는 국제학술지 '미국화학학회지(Journal of the American Chemistry Society)'에 실렸다. 목동현 박사과정생이 제1저자로 참여했다.

이번 연구는 한국연구재단이 추진하는 나노, 소재 기술 개발 사업과 서강대 교내연구비 지원을 받아 수행됐다.