- 재료 흡착에너지 예측용 머신러닝 알고리즘 프로그램 ‘SGCNN’
- 소재 연구 시뮬레이션 플랫폼 ‘맷스큐(MatSQ)’에 탑재… 기계학습 서비스 고도화
이번 계약으로 버추얼랩은 SGCNN 프로그램 특허 기술(촉매의 활성도를 예측하는 방법 및 전자장치) 실시권을 이전 받는다. 이르면 7월 중 소재 시뮬레이션 플랫폼 ‘맷스큐(Mat SQ, Materials Square)’에 탑재할 예정이다.
촉매 연구에 있어서 물질 표면 위의 흡착물 거동은 매우 중요하다. 이 때 흡착 에너지는 주로 제일원리계산(MD)이라는 방법론으로 계산되어 왔다. 그러나 이 경우 약 24시간 정도의 긴 시간이 소요되는 한계가 있었다.
SGCNN은 KIST 첨단소재기술연구본부 계산과학연구센터의 한상수, 김동훈 박사팀이 개발한 머신러닝 알고리즘 기술이다. 맷스큐에 SGCNN이 탑재되면 사용자는 1분 이내에 재료 표면 분자들의 흡착에너지를 계산할 수 있다. 화학반응성 및 촉매 설계 등에도 활용 가능하다.
그간 버추얼랩은 인공지능, 기계학습 서비스를 자사 플랫폼에 도입하기 위해 노력해왔다. 지난 4월에는 미국 ‘매트머라이즈’사로부터 고분자 물성 예측 머신러닝 프로그램 ‘폴리머라이즈’ 공급계약을 체결한 바 있다.
이번에 SGCNN 가 탑재되면 맷스큐에서 동일한 입력값으로 다양한 구조를 대량 계산하는 ‘High Throughput’ 사용량이 크게 증가할 것으로 보인다. 사용자는 이러한 계산 데이터를 활용해 자신 만의 SGCNN 기계학습 모델을 구축할 수 있다.
버추얼랩은 신규 사용자들의 접근성 확보를 위해 맷스큐에 SGCNN기술을 탑재하는 것이 유리하다고 판단했다. 현재 전세계 촉매 연구자는 약 3,000명이며, 연간 흡착에너지 예측 건수는 약 72만 개로 추정된다.
버추얼랩 이민호 대표는 “기계 학습은 양질의 데이터와 그 특성을 잘 표현할 수 있도록 하는 엔지니어링이 무엇보다 중요하다.”며 “앞으로도 많은 연구자들이 간편하게 쓸 수 있는 양질의 오픈 플랫폼 기술 이전을 위해 더욱 힘쓸 것”이라고 밝혔다.