몇 번의 예측만으로 정확도 얻을 수 있어
(내외방송=정지원 과학전문 기자) 신축성 좋은 옷과 자유자재로 구부릴 수 있는 플라스틱.
이 둘에게는 공통점이 있다.
바로 '고분자'의 자기조립 성질을 이용했다는 것이다.
고분자는 분자들이 수만개 이상 화학적으로 결합돼 있는 것으로 섬유소와 단백질, 고무 등을 구성한다.
앞으로 인공지능 기술을 활용해 어떤 고분자 재료를 쓸지 결정하는 시뮬레이션의 속도가 더 빨라질 전망이다.
UNIST는 9일 '내외방송'에 보낸 자료에서 "김재업 물리학과 교수팀이 일주일 정도 소요되는 계산을 하루 안에 끝낼 수 있는 '인공지능 고분자 시뮬레이션 기술'을 개발했다"고 밝혔다.
김 교수 연구팀은 인공지능 기술인 딥러닝을 이용해 기존에 수십 번 반복해야 했던 문제점을 해결했다.
인공신경망의 함수 계산 능력을 통해 훈련을 진행했기 때문에 예측치를 더 정확하게 도출한 것이다.
이 기술을 사용하면 50회씩 반복했던 예측 횟수를 2~4회로 줄일 수 있어 기존보다 6배 이상 빠르게 시뮬레이션을 수행할 수 있다.
인공신경망 훈련을 위한 데이터 준비와 훈련에 드는 시간을 포함해도 기존보다 최소 4배 이상 속도가 향상된다.
이 연구는 기계학습을 기반으로 한 시뮬레이션 방법의 한계로 지적됐던 낮은 정확도를 극복했다는 점에서 주목을 받고 있다.
김 교수는 "예측한 답을 그대로 사용하는 게 아니라 예측치와 정답의 차이를 다시 계산해 새로운 입력값을 부여한 것"이라며 "이 덕분에 몇 번의 예측으로 원하는 수치적 정밀도를 얻을 수 있다"고 설명했다.
한편, 이 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 기초연구실사업, 세종과학펠로우십의 지원을 받아 수행됐으며 고분자 연구 권위지인 '매크로몰레큘스(Macromolecules)'에 9일자로 출판됐다(논문명: Accelerating Langevin Field-Theoretic Simulation of Polymers with Deep Learning).
