< 사진 1. 왼쪽부터 생명화학공학과 김지한 교수, 이유한 박사, 박준길 박사 >
최근 생성형 인공지능은 텍스트, 이미지, 비디오 생성 등 다양한 분야에서 널리 사용되고 있지만, 소재 개발 분야에서는 아직 충분히 활용되지 못하고 있다. 이러한 상황에서 KAIST 연구진이 구조적 복잡성을 지닌 다공성 소재를 생성하는 인공지능 모델을 개발하여, 사용자가 원하는 특성의 소재를 선택적으로 생성할 수 있게 되었다.
우리 대학 생명화학공학과 김지한 교수 연구팀이 원하는 물성을 가진 금속 유기 골격체(Metal-Organic Frameworks, MOF)를 생성하는 인공지능 모델을 개발했다고 23일 밝혔다.
김지한 교수 연구팀이 개발한 생성형 인공지능 모델인 모퓨전(MOFFUSION)은 금속 유기 골격체의 구조를 보다 효율적으로 표현하기 위해, 이들의 공극 구조를 3차원 모델링 기법을 활용해 나타내는 혁신적인 접근 방식을 채택했다. 이 기법을 통해 기존 모델들에서 보고된 낮은 구조 생성 효율을 81.7%로 크게 향상시켰다.
< 그림 1. MOFFUSION 구조 모식도. 잠재 확산 모델 아키텍처를 채용하였으며, 부호화 거리 함수를 활용하여 구조를 효과적으로 표현함. 숫자, 카테고리, 텍스트 등의 다양한 형식의 데이터를 활용하여 생성 과정을 제어할 수 있음. >
또한, 모퓨전은 생성 과정에서 사용자가 원하는 특성을 다양한 형태로 표현하여 인공지능 모델에 입력할 수 있는 특징이 있다. 연구진은 사용자가 원하는 물성을 숫자, 카테고리, 텍스트 등 다양한 형태로 입력할 수 있으며, 데이터 형태와 관계없이 높은 생성 성능을 보임을 확인했다.
예를 들어, 사용자가 생성하고자 하는 물질의 특성값을 텍스트 형태(예:“30 g/L의 수소 흡착량을 갖는 구조”)로 모델에 입력하면, 모델은 이에 상응하는 물질을 선택적으로 생성한다. 이러한 특징은 소재 개발에 있어 인공지능 모델의 활용성과 편의성을 크게 개선하는 요소로 작용한다.
< 그림 2. 원하는 수소 저장 능력을 가진 금속 유기 골격체 생성 예시. 사용자가 원하는 수소 저량을 제시하면, 모델이 이에 상응하는 흡착 능력을 보이는 구조를 선택적으로 생성함 >
김지한 교수는 “원하는 물성의 소재를 개발하는 것은 소재 분야의 가장 큰 목표이며 오랜 연구 주제”라며, “연구팀이 개발한 기술은 인공지능을 활용한 다공성 소재 개발에 있어 큰 발전을 이뤘으며, 앞으로 해당 분야에서 생성형 인공지능의 도입을 촉진할 것”이라고 말했다.
우리 대학 생명화학공학과 박준길 박사, 이유한 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)'에 지난 1월 2일 게재됐다. (논문명 : Multi-modal conditional diffusion model using signed distance functions for metal-organic frameworks generation) (https://doi.org/10.1038/s41467-024-55390-9)
< 그림 3. 원하는 공극 구조를 가진 금속 유기 골격체 생성 예시. 사용자가 원하는 공극 구조를 제시하면 모델이 이에 상응하는 공극 구조를 보이는 금속 유기 골격체를 생성함 >
한편 이번 연구는 과학기술정보통신부의 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업, 나노 및 소재기술 개발사업, 그리고 한국연구재단 (NRF) 중견연구자 지원사업의 지원을 받아 수행됐다.
기존 약물 개발 방식은 질병을 일으키는 원인이 되는 표적 단백질(예: 암세포 수용체)을 정하고, 그 단백질에 잘 달라붙어 작용을 막을 분자(약물 후보)를 찾는 방식으로 수많은 후보 분자 대상으로 진행하다 보니 시간·비용이 많이 들고 성공 가능성도 낮았다. 우리 대학 연구진이 표적 단백질 정보만 있으면, 사전 정보(분자)가 없어도 딱 맞는 약물 후보를 설계해 주는 AI를 개발해서 신약 개발의 새로운 가능성을 열었다. 우리 대학 화학과 김우연 교수 연구팀이 결합하는 약물 후보 분자의 사전 정보 없이 단백질의 구조만으로, 그에 꼭 맞는 약물 후보 분자와 그 결합 방식(비공유 결합성 상호작용)까지 함께 설계 및 최적화까지 할 수 있는 인공지능 모델 ‘BInD’를 개발했다고 10일 밝혔다. 이 기술의 핵심은 ‘동시 설계’다. 기존 AI 모델들은 분자만 만들거나, 만들어진 분자와 단백질의 결합 여부만 따로 평가했다. 반면, 이번
2025-08-10우리 대학은 삼성리서치 김태수 상무가 이끄는 전기및전자공학부 윤인수 교수 연구팀이 POSTECH, 조지아공과대학교(Georgia Tech) 연구진과 함께 구성한 연합팀 ‘팀 애틀랜타(Team Atlanta)’가 8월 8일(현지 시각) 미국 라스베이거스에서 열린 세계 최대 해킹 콘퍼런스‘DEF CON 33’에서, 미국 국방고등연구계획국(DARPA) 주관‘AI 사이버 챌린지(AIxCC)’에서 최종 우승을 차지했다고 9일 밝혔다. 이번 성과로 팀은 미화 400만 달러(약 55억 원)의 상금을 수상하며, 인공지능 기반 자율 사이버 방어 기술의 우수성을 세계 무대에서 입증했다. AI 사이버 챌린지(AIxCC)는 DARPA와 미국 보건첨단연구계획국(ARPA-H)이 공동 주관하는 2년간의 글로벌 경연으로, 인공지능 기반 CRS를 활용해 소프트웨어의 취약점을 자동 분석·탐지·수정하는 능력을 겨룬다
2025-08-10회의실에 여러 사람이 동시에 모여 회의하는 경우처럼, 다수의 객체가 동시에 상호작용하는 고차원 상호작용(higher-order interaction)은 다양한 분야에서 발생하며, 실세계의 복잡한 관계를 담고 있다. 하지만 기술적 제약으로 인해 많은 분야에서는 주로 개별 쌍 간의 저차원 정보만 수집돼, 전체 맥락이 손실되고 활용에 제약이 따랐다. KAIST 연구진이 이처럼 불완전한 정보만으로도 고차원 상호작용을 정밀하게 복원*하는 AI ‘마리오(MARIOH)’를 개발하며, 소셜 네트워크, 뇌과학, 생명과학 등 다양한 분야에서 혁신적 분석 가능성을 열었다. *복원: 사라지거나 관측되지 않은 원래 구조를 추정/재구성하는 것 우리 대학 김재철AI대학원의 신기정 교수 연구팀이 저차원 상호작용 정보만으로 고차원 상호작용 구조를 높은 정확도로 복원할 수 있는 인공지능 기술인 ‘마리오(이하 MARIOH, Multiplicity-Aware Hypergraph
2025-08-05이차전지 양극 소재는 높은 충전 속도, 에너지 밀도, 안정성 등 어려운 기준들을 전부 충족해야 하기 때문에 소재 개발을 위해서는 수많은 소재 후보군을 고려해 탐색을 진행해야만 한다. 국내 산학 협력 연구진이 AI 및 자동화 시스템을 활용해 연구자의 개입 없이 이차전지 양극 소재의 개발을 진행하는 자율 탐색 실험실*을 구축했다. 이를 통해 개발 과정 중 발생하는 연구자의 노동을 최소화하며 탐색 기간을 93% 단축했다. *자율 탐색 실험실: 자율적으로 실험을 설계, 수행, 분석하여 최적의 소재를 탐색하는 플랫폼 우리 대학 신소재공학과 서동화 교수 연구팀이 포스코홀딩스 미래기술연구원(원장 김기수) 에너지소재연구소 LIB소재연구센터 연구팀과 산학 협력 연구를 통해, AI 및 자동화 기술을 활용해 이차전지 양극 소재를 탐색하는 자율 탐색 실험실을 구축했다고 3일 밝혔다. 이차전지 양극 소재 개발은 필연적으로 시료의 무게를 칭량하고 이송하는 정량, 혼합, 소결* 및 분석 과정을 거
2025-08-05우리 대학은 7월 31일 오전 국회의원회관에서 ‘인공지능 대전환(AX)의 미래: 피지컬 AI’를 주제로, 한국의 AI 반도체 및 제조업 강점을 활용한 기술패권 전략을 논의하기 위한 초당적 정책 포럼인 ‘제1회 국가미래전략기술포럼’을 성공적으로 개최했다고 31일 밝혔다. 이번 포럼은 KAIST가 주관하고, 국회 과학기술정보방송통신위원회 간사 최형두 의원(국민의힘)과 산업통상자원중소벤처기업위원회 위원 김한규 의원(더불어민주당)이 공동 주최하였다. 본 포럼은 10월을 제외하고 매월 한 차례씩 총 5회 개최되는 국가미래전략기술포럼의 첫 출발점이다. 포럼의 대주제인 ‘인공지능 대전환(Artificial Intelligence Transformation, AX)’은 생성형 AI의 확산으로 산업, 경제, 사회 전반에 걸쳐 촉발된 구조적 변화에 대응하기 위해 기획됐다. 제1회 포럼의 주제는 ‘피지컬 AI(P
2025-07-31