[Press] 버추얼랩, KIST서 AI 기반 소재 개발 알고리즘 기술이전

버추얼랩(대표 이민호)은 KIST으로부터 재료 흡착에너지 예측용 머신러닝 알고리즘 'SGCNN(Slab Graph Convolutional Neural Network, 이하 SGCNN)'에 대한 기술 이전 계약을 체결했다고 밝혔다.

  • 재료 흡착에너지 예측용 머신러닝 알고리즘 프로그램 ‘SGCNN’
  • 소재 연구 시뮬레이션 플랫폼 ‘맷스큐(MatSQ)’에 탑재… 기계학습 서비스 고도화

클라우드 기반 소재 연구 서비스 기업 버추얼랩(대표 이민호)은 한국과학기술연구원(이하KIST, 원장 윤석진)으로부터 재료 흡착에너지 예측용 머신러닝 알고리즘 ‘SGCNN(Slab Graph Convolutional Neural Network, 이하 SGCNN)’에 대한 기술이전 계약을 체결했다고 26일 밝혔다.

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.

Leave a Reply