국내 연구진이 인공지능(AI)을 통해 온실가스인 메탄을 유용한 화학연료로 직접 바꾸는 가상 화학실험으로 수율을 향상시킬 수 있는 조건을 발견했다.
한국화학연구원은 화학플랫폼연구본부 장현주·김현우 박사팀과 화학공정연구본부 김용태 박사팀이 AI 기계학습과 인공 꿀벌 군집 알고리즘을 활용해 메탄을 유용한 화학연료인 에틸렌 등으로 직접 바꾸는 가상실험을 수행해 전보다 10% 이상 높은 수율을 얻었다고 밝혔다.
수율은 공업 원자재에 화학적 과정을 가해 원하는 물질을 얻을 때 실제로 얻은 분량과 이론상 예측했던 분량을 백분율로 나타낸 비율이다.
그동안 메탄을 산소 투입 없이 화학연료로 직접 바꾸는 촉매공정은 기술 수준이 너무 높고 부산물이 많아 상용화가 어려웠다.
연구팀은 250개의 반응 데이터를 수집해 기계학습 모델을 학습시켯다. AI는 스스로 온도와 속도, 압력, 바응기 구조 등 여러 조건을 미세하게 조절하며 1만여 개가 넘는 가상 조건을 만들고 실험 결과물을 냈다.
연구팀은 이렇게 얻어진 가상 실험 데이터를 인공지능의 ‘인공 꿀벌 군집(Artificial Bee Colony) 알고리즘’에 적용했다.
자연에서 꿀벌 군집은 꿀이 있는 지역을 탐색하고, 꿀이 어디에 얼마나 있는지 구체적 정보를 수집하며, 수집된 정보들에서 꿀이 많은 곳을 알아내 꿀을 찾고 모은다.
이와 비슷하게 인공 꿀벌 군집 알고리즘도 여러 가상 실험 조건을 탐색하고, 어느 조건에서 어떤 실험 결과가 나오는지 구체적 정보를 수집한 후, 그 정보들에서 더 좋은 실험 결과가 나오는 조건으로 의사결정을 하는 총 세 단계를 거친다.
연구팀은 인공지능으로 수율은 높으면서 부산물은 적게 나오는 실험 조건을 찾아냈고, 이를 실제로 직접 실험하여 오차 범위 안에서 검증했다.
연구팀은 인공지능 활용 연구를 계속해 현재 메탄의 에틸렌 직접전환 수율을 20%까지 끌어올린 상태다.
장현주 본부장은 “이번 기술은 다양한 화학 반응 조건을 가상 환경에서 찾을 수 있어서, 앞으로 화학 산업에서 중요한 여러 반응에 바로 응용될 수 있을 것으로 기대된다”고 밝혔다.
연구팀은 수집한 데이터를 활용해 화학소재 개발 시간을 혁신적으로 단축시킬 수 있는 인공지능 모델을 개발할 계획이다.
