AI 기반 프로세스, 태양 에너지 발전을 위한 화학적 열쇠 공개

인공 지능은 연구에서 혁신적인 도구로 부상했지만, 종종 "AI 블랙 박스"라고 불리는 인공 지능의 의사 결정 과정을 설명할 수 없다는 점은 심각한 문제를 제기한다. 그러나 일리노이 대학교 어바나-샴페인(University of Illinois Urbana-Champaign)의 학제 간 연구팀은 AI를 자동화된 화학 합성 및 실험 검증과 통합하여 이 문제를 해결했다. 그들의 노력은 AI가 태양 에너지 수확을 위해 설계된 분자를 향상시키는 데 사용하는 화학 원리를 밝혀냈다.

연구팀의 접근 방식은 원래 버전보다 4배 더 안정적인 광 수확 분자를 만들어냈다. 또한 이 연구는 이러한 안정성에 기여하는 화학적 요인에 대한 새로운 통찰력을 제공하여 재료 개발의 오랜 과제를 해결했다.

이 획기적인 연구는 U. of I. 화학 교수 Martin Burke, 화학 및 생체 분자 공학 교수 Ying Diao, 화학 교수 Nicholas Jackson, 재료 과학 및 공학 교수 Charles Schroeder와 토론토 대학교 화학 교수 Alan Aspuru-Guzik이 주도한 공동 노력으로 이루어졌다. 연구 결과는 학술지 '네이처(Nature)'에 게재됐다.

"새로운 AI 도구는 놀라운 힘을 가지고 있습니다. 그러나 후드를 열고 그들이 무엇을 하는지 이해하려고 하면 일반적으로 아무 소용이 없습니다."라고 Jackson은 말했다. "화학의 경우 이것은 매우 실망스러울 수 있습니다. AI는 분자를 최적화하는 데 도움을 줄 수 있지만 왜 그것이 최적인지, 즉 중요한 속성, 구조 및 기능이 무엇인지는 알려주지 않습니다. 우리의 과정을 통해 우리는 이러한 분자에 더 큰 광안정성을 제공하는 것이 무엇인지 확인했습니다. AI 블랙박스를 투명한 유리 지구본으로 바꿨다"고 말했다.

이 연구는 기존의 단단하고 무거운 실리콘 기반 패널과 달리 유연하고 가벼운 재료를 사용하는 유기 태양 전지를 개선해야 할 필요성에 의해 주도되었다. "유기 태양광의 상용화를 가로막고 있는 것은 안정성 문제입니다. 고성능 재료는 빛에 노출되면 성능이 저하되는데, 이는 태양 전지에서 원하는 것이 아닙니다"라고 Diao는 설명했다. "실리콘으로는 불가능한 방식으로 제작 및 설치할 수 있으며 열과 적외선을 에너지로 변환할 수도 있지만 안정성은 1980년대부터 문제가 되어 왔습니다."

일리노이 주립대학이 개발한 '폐쇄 루프 전송(closed-loop transfer)'으로 알려진 이 방법은 폐쇄 루프 실험(closed-loop experimentation)이라는 AI 기반 최적화 프로토콜로 시작한다. AI는 광수확 분자의 광안정성을 개선하는 임무를 맡았다. 폐쇄 루프 합성 및 실험 특성화의 각 라운드에서 AI는 탐색할 수 있는 새로운 화학 후보를 제공했다. 이러한 실험의 데이터는 모델에 다시 피드백되어 원하는 결과를 얻을 때까지 AI의 제안을 개선했다.

5차례에 걸친 폐쇄 루프 실험을 통해 팀은 U. of I의 Beckman Institute for Advanced Science and Technology 내에 위치한 Molecule Maker Lab의 Burke 그룹이 개발한 빌딩 블록과 같은 화학 및 자동 합성 방법을 활용하여 30개의 새로운 화학 후보를 생성했다.

"모듈식 화학 접근 방식은 폐쇄 루프 실험을 훌륭하게 보완합니다. AI 알고리즘은 학습 잠재력을 극대화하여 새로운 데이터를 요청하고, 자동화된 분자 합성 플랫폼은 필요한 새로운 화합물을 매우 빠르게 생성할 수 있습니다. 그런 다음 이러한 화합물을 테스트하고, 데이터는 모델로 다시 들어가고, 모델은 계속해서 더 똑똑해집니다"라고 Carle Illinois College of Medicine의 교수이기도 한 Burke는 말했다. "지금까지 우리는 주로 구조에 집중해 왔습니다. 우리의 자동화된 모듈식 합성은 이제 기능을 탐구하는 영역으로 발전했습니다."

일반적인 AI 주도 캠페인에서처럼 단순히 최종 제품을 식별하는 대신, 폐쇄 루프 전달 프로세스는 새로운 분자의 안정성 향상에 기여한 기본 규칙을 밝히고자 했다. 폐쇄 루프 실험이 진행됨에 따라 또 다른 알고리즘 세트가 생성된 분자를 지속적으로 분석하여 빛의 안정성과 관련된 화학적 특징을 예측하는 모델을 개발했다. 실험이 완료되자마자 이 모델들은 실험실에서 검증할 수 있는 새로운 가설을 제시했다.

잭슨은 "우리는 AI를 사용하여  가설을 수립하고 있으며, 이를 검증할 수 있는 가설을 세우고 있으며, 이를 통해 인간이 주도하는 새로운 발견 캠페인을 촉발할 수 있다"고 말했다. "이제 우리는 무엇이 분자를 광안정성으로 만드는지에 대한 몇 가지 물리적 설명자를 가지고 있기 때문에 새로운 화학 물질 후보에 대한 스크리닝 과정이 화학 공간을 맹목적으로 찾는 것보다 훨씬 간단해집니다."

광안정성에 대한 가설을 검증하기 위해 연구진은 식별된 화학적 특성(특정 고에너지 영역)을 가진 3개의 서로 다른 광 수확 분자를 테스트하고 적절한 용매를 선택하면 광 안정성을 최대 4배까지 향상시킬 수 있음을 확인했다.

"이것은 무엇을 할 수 있는지에 대한 원칙의 증거입니다. 우리는 다른 재료 시스템을 다룰 수 있다고 확신하며, 가능성은 우리의 상상력에 의해서만 제한됩니다. 궁극적으로 우리는 연구자들이 원하는 화학적 기능을 입력하고, AI가 테스트할 가설을 생성할 수 있는 인터페이스를 구상하고 있다"고 슈뢰더는 말했다.

"이 작업은 다분야 팀, 일리노이 주에 있는 인력, 자원 및 시설, 그리고 토론토에 있는 협력자가 있어야만 가능했습니다. 5개 그룹이 함께 모여 새로운  과학적 통찰력을 창출했는데, 하위 팀 중 어느 한 팀이 고립되어 작업했다면 불가능했을 것입니다."