혁신적인 AI 기반 소재 발견 플랫폼: 자율 실험의 한계를 뛰어넘다

AI 기반 자율 실험 시스템의 적응형 AI 의사결정 인터페이스 개발을 통해 혼합 이온-전자 전도성 고분자(MIECP) 연구에서 μC* 값을 150% 향상시키고 새로운 고분자 다형체를 발견하는 혁신적인 성과를 거두었습니다.

AI가 주도하는 자율 실험(AI/AE)은 소재 발견 과정을 획기적으로 가속화할 수 있는 잠재력을 지녔습니다. 하지만 전자 소재 분야에서는 복잡하고 시간이 오래 걸리는 설계-제작-시험-분석 사이클로 인해 데이터 부족 현상이 심각한 문제로 남아 있습니다. 숙련된 과학자와 달리, 첨단 AI 알고리즘조차도 제한된 데이터셋으로 실시간 정보에 입각한 의사결정을 내리는 데 어려움을 겪고 있습니다.

데이, 찬, 브리자 등 17명의 연구진이 이끄는 연구팀은 이러한 문제를 해결하기 위해 AI/AE 시스템에 적응형 AI 의사결정 인터페이스를 개발하고 구현하는 데 성공했습니다. 이 인터페이스의 핵심 요소는 AI 어드바이저로, 실시간 진행 상황 모니터링, 데이터 분석, 그리고 상호작용적인 인간-AI 협업을 통해 다양한 단계와 유형의 실험에 적극적으로 적응할 수 있습니다.

연구팀은 이 플랫폼을 떠오르는 전자 소재인 혼합 이온-전자 전도성 고분자(MIECP) 연구에 적용했습니다. 유기 전기화학 트랜지스터(OECT)를 시험 장치로 활용하여 혼합 전도도 지표(전하 운반체 이동도와 체적 정전용량의 곱, μC*)를 평가한 결과, 기존의 스핀 코팅 방법과 비교하여 μC* 값을 150% 향상시키는 놀라운 성과를 달성했습니다. 단 64번의 자율 실험만으로 1,275 F cm⁻¹ V⁻¹ s⁻¹에 도달한 것입니다.

통계적으로 선택된 10개의 샘플에 대한 연구를 통해 더 높은 체적 정전용량을 달성하는 데 중요한 두 가지 구조적 요인이 밝혀졌습니다. 바로 더 큰 결정질 라멜라 간격과 더 높은 비표면적입니다. 뿐만 아니라 이 연구를 통해 새로운 고분자 다형체도 발견되었습니다.

이 연구는 AI/AE 시스템의 한계를 극복하고 소재 발견 속도를 획기적으로 높일 수 있는 가능성을 보여주는 중요한 성과입니다. 적응형 AI 의사결정 인터페이스는 앞으로 다양한 소재 연구 분야에 적용될 수 있으며, 새로운 물질 발견과 기술 혁신을 가속화하는 데 크게 기여할 것으로 기대됩니다.