화학연, AI 활용 고효율 열전소재 개발

장현주 박사팀 개발 AI 예측모델
2800건 도핑조건 수분만에 척척

왼쪽부터 이예리 선임연구원, 장현주 책임연구원(본부장), 임진오 선임연구원 한국화학연구원 제공

한국화학연구원 화학데이터기반연구센터 장현주·임진오·이예리 박사팀이 서울대 화학생명공학부 정인 교수팀과 함께 인공지능(AI)을 활용해 폐열을 전기로 만드는 열전소재를 만들었다. 이 새로운 열전소재는 폐열발전, 소형냉장고, 우주탐사선 발전 등 다양한 분야에 응용할 수 있다.

연구진은 현존하는 소재 중 가장 열전 성능이 높은 '셀렌화 주석(SnSe)'에 '이트륨'과 '나트륨'을 첨가해 열전소재를 만들어냈다. 연구진은 "이번에 개발한 소재는 열전성능지수가 2.08을 기록해 상용화가 가능한 수준"이라고 설명했다.

그동안 열전소재에 적절한 원소를 첨가해 열전 성능을 높일 수 있다는 것을 잘 알려져 있다.

하지만 원소의 종류와 농도 등의 최적 조건을 일일이 실험으로 찾기 위해서는 오랜 시간과 비용이 발생한다.

연구진은 이를 대신해 열전소재에 대한 연구데이터를 수집하고 빅데이터화 했다. 이를 기반으로 AI를 활용해 도핑에 따른 열전 성능 예측모델을 구축했다.

특히 AI 예측모델을 통해 2800건 이상의 도핑 조건에 대한 열전 성능을 수 분만에 예측해냈다. 연구진은 "기존 실험을 통해서는 1개의 후보 물질을 합성하고 그 도핑 효과를 검증하는데 일주일 이상이 걸린다"며 "도핑원소 탐색에 걸리는 시간을 AI로 대폭 단축해냈다"고 설명했다.

이 AI 예측모델로 '셀렌화 주석'의 열전 성능을 높일 수 있는 새로운 도핑원소와 도핑 농도를 찾아냈다. AI 기반의 예측모델은 셀렌화 주석에 이트륨과 나트륨 함께 첨가할 경우 열전 성능이 상용화 수준으로 높게 나타날 것으로 예측했다.

연구진은 이를 바탕으로 실재 직접 실험을 통해 열전소재를 만들었다. 이 열전소재로 테스트한 결과 인공지능이 예측한 수준의 성능을 보여줬다.

연구진은 이번에 개발한 소재를 세계적 학술지인 '미국 화학회지(Journal of the American Chemical Society)' 7월호에 공개했다.

한편, 이번 연구에서 사용한 빅데이터는 실험실의 전주기 연구 과정 중에 생성된 샘플의 합성조건과 열전특성 측정 등, 기존에 공개된 데이터에서는 얻을 수 없는 데이터들이다. 또 연구 과정에서 원하는 결과가 도출되지 않을 경우 발생하는 '다크 데이터'를 구축된 플랫폼을 활용해 버리지 않고 AI 모델 구축에 활용해 머신러닝 예측 성능 향상에 도움을 줄 수 있게 했다.

연구진은 실험과 계산 연구를 통한 고품질 열전소재 빅데이터를 구축하고, 플랫폼을 통해 많은 사람들이 쉽게 활용할 수 있도록 제공했다.

[e-mail] 김만기 기자