MIT, 3D 결정 구조와 텍스트를 연결한 AI 모델로 신소재 탐색

미국 매사추세츠공과대학교(MIT) 연구진이 결정성 소재의 3차원 원자 구조와 자연어 설명을 결합한 멀티모달 AI 모델을 개발했다. 2026년 10월 18일 발표되어 Nature Communications에 게재된 이 연구에 따르면, 이 시스템은 텍스트만으로 학습한 모델보다 더 나은 소재 설계안을 찾아낼 수 있다.

핵심 과제는 대부분 데이터에 관한 것이다. 고체 소재의 대다수는 결정으로, 원자들이 주기적으로 배열된 3차원 구조를 갖는다. 그러나 이러한 구조 정보는 대규모 언어 모델이 학습하는 텍스트가 아니라 전문 파일 형식에 담겨 있다. 또한 실험 문헌은 몇몇 인기 있는 결정 계열에 집중되어 있어, AI의 제안도 같은 소재에 쏠리는 경향이 있다.

구조를 이해하도록 모델 가르치기

연구팀은 실험 논문과 제1원리 계산 데이터베이스를 바탕으로 결정 구조에 대한 풍부한 설명문을 생성했다. 각 설명문은 조성과 구조는 물론 물성, 공정상의 고려 사항, 가능한 응용 분야를 포괄한다. 모델은 구조와 텍스트가 일치하는 쌍과 일치하지 않는 쌍을 비교하는 대조 학습(contrastive learning)으로 훈련되어, 두 가지를 공유하는 표현 공간을 구축했다.

연구진이 합성된 설명문으로 학습한 버전과 논문 텍스트만으로 학습한 버전을 비교한 결과, 전자만이 기하학적 구조와 언어를 정렬하는 법을 익혔다. 특정 물성을 설명하는 평이한 언어의 질의가 주어졌을 때, 이 모델은 기준 모델보다 해당 물성을 가진 결정을 더 성공적으로 찾아냈다.

고체 리튬이온 배터리 전해질에 적합한 소재를 묻자, 모델은 다른 연구에서 이미 유망하다고 독자적으로 지목한 후보들을 상위 결과에 포함시켰다. MIT 재료공학과의 이주(Ju Li) 교수는 "구조는 실제로 재료과학 분야의 핵심에 있다"고 말했다.

결정을 위한 알파폴드

리 교수는 이 접근법을 단백질 구조와 기능을 연결해 생물학과 신약 개발에 기여해 온 AI 시스템 알파폴드에 비유했다. 공동 저자로는 제1저자 박양정, 마얀크 쿠마란, 쉬자웨이, 엘사 올리베티 교수가 참여했으며, 올리베티 교수는 이 방법이 해당 분야에 획기적인 전환점이 되기를 기대한다고 밝혔다.

이번 연구는 미국 국방위협감소국(DTRA), 미국 국방고등연구계획국(DARPA), 그리고 한국연구재단의 일부 지원을 받았다. 연구팀은 이 방법이 많은 결정성 소재에 적용될 수 있다고 보며, 다른 과학자들도 이를 채택하기를 희망한다.