MIT 연구진이 결정 소재의 3차원 원자 배열과 자연어 설명을 함께 학습하는 멀티모달 AI 모델을 개발해, 텍스트만 학습한 기존 거대언어모델보다 유망한 결정 소재를 더 정확히 식별했다고 네이처 커뮤니케이션스에 발표했다. 대조 학습으로 원자 구조와 물성·가공·응용 분야를 설명하는 언어 데이터를 하나의 표현 공간에서 연결한 것이 핵심이며, 고체 리튬이온 배터리 전해질 탐색 실험에서 기존 연구로 유망성이 확인된 소재들을 상위 후보로 제시했다. UNIST 박양정 교수가 제1저자로 참여했고, 연구진은 알파폴드처럼 구조-기능 관계를 학습하는 AI가 소재과학 연구의 전환점이 될 수 있다고 기대했다. 다만 예측된 후보의 실제 합성 가능성과 비용, 안정성은 추가 계산과 실험으로 검증해야 한다.
- •대조 학습으로 결정의 3차원 구조와 AI 생성 언어 설명을 거해 표현 생성 언어 설명을 하나의 거해 표현 생성 언어 설명을 거해 표현
- •텍스트만 학습한 기준 모델보다 고삱 전해질 등 유망 소재 식발 성능 우수
- •고삱 리툹이온 배턴리 전해질 탐색에서 기존 연구로 유망성이 경증된 소재를 상위 후보로 제시
- •제1저자 박양정 UNIST 교수(전 MIT 박사후연구원), 주 리 MIT 교수가 연구 주도
- •결과는 다 커보트가 된 데이튼음커니쇧션스에 게재, DTRA·DARPA·한국연구읩1단 지원
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
원자 배열까지 이해하는 3차원 AI 개발…MIT, 차세대 배터리 소재 발굴 정확도 높였다
- 1.MIT, 결정 구조의 3차원 원자 배열과 자연어 설명을 함께 학습하는 멀티모달 AI 개발
- 2.대조 학습으로 구조-설명 데이터를 연결, 텍스트만 학습한 모델보다 소재 식별 성능 우수
- 3.고체 리튬이온 배터리 전해질 탐색에서 기존 연구로 유망성 확인된 소재를 상위 후보로 제시
- 4.연구는 네이처 커뮤니케이션스 게재, DARPA·DTRA·한국연구재단이 지원
왜 중요한가?
기존 LLM이 논문 텍스트에 의존해 결정 소재의 실제 원자 구조를 이해하지 못했던 한계를 극복한 접근으로, 알파폴드가 단백질 구조 연구에 미친 영향처럼 차세대 배터리·에너지 소재 발굴을 가속할 잠재력이 있다는 평가다.
본문 미리보기
MIT 연구진이 원자의 3차원 배열과 자연어를 함께 이해하는 멀티모달 인공지능(AI) 모델을 개발했다. 기존 대형언어모델(LLM)이 주로 학술 논문과 서적의 텍스트를 학습해 결정 소재의 실제 구조를 이해하는 데 한계가 있었던 것과 달리, 이번 모델은 원자 배열과 결합 패턴을 언어 정보와 연결해 소재의 구조와 물성, 가공 조건 및 활용 가능성까지 추론하도록 설계됐다.연구진은 이 모델이 텍스트만 학습한 모델보다 유망한 결정 소재를 식별하는 데 우수한 성능을 보였다고 밝혔다. 특히 고체 리튬이온 배터리 전해질에 적합한 소재를 찾는 실험에
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:11AI 초안