MS, 원하는 물성 넣으면 신소재 만드는 생성형 AI '매터젠' 오픈소스 공개

매터젠(MatterGen)은 원하는 화학 조성, 대칭성, 기계적 강도, 전자기적 특성을 입력하면 그에 맞는 미지의 무기 결정 구조를 직접 생성해 내는 마이크로소프트의 오픈소스 확산 모델입니다.

지금까지의 신소재 발굴은 실험실에서 경험적으로 수많은 시행착오를 거치거나, 알려진 소재 데이터베이스를 일일이 스크리닝하는 방식에 의존했습니다. 하지만 스크리닝은 이미 등록된 후보군이 바닥나면 한계에 부딪힙니다. 매터젠은 스크리닝을 건너뛰고 생성 AI를 통해 미지의 소재 영역을 직접 설계합니다.

어떻게 작동하는가

이미지 확산 모델이 노이즈에서 점진적으로 픽셀을 복원하듯, 매터젠은 물질의 3차원 기하학적 구조 공간에서 디퓨전 과정을 수행합니다.

완전한 무작위 구조에서 시작해 원자의 3차원 위치, 원소 종류, 주기적 격자 벡터를 동시에 조정합니다. 결정질 소재 특유의 주기성과 3차원 공간 대칭성을 처리할 수 있도록 모델 구조를 특화 설계했습니다.

베이스 모델은 머티리얼스 프로젝트(Materials Project)와 알렉산드리아(Alexandria) 데이터베이스에서 추출한 60만 8천 개의 안정적인 결정 구조로 사전 학습되었습니다. 라벨링된 물성 데이터로 파인튜닝하면 부피 탄성률이나 자기적 성질 같은 세부 조건을 반영한 신소재 생성이 가능합니다.

예를 들어 400GPa 이상의 초고강도 체적 탄성률을 요구했을 때, 기존 스크리닝 방식은 후보가 금세 고갈되었지만 매터젠은 새로운 구조를 꾸준히 생성해 냈습니다.

실제 합성 시 서로 다른 원자가 격자 자리를 무작위로 맞바꾸는 '조성 무질서' 현상을 판별하기 위해, 새로운 구조 매칭 알고리즘을 구축하고 평가 도구로 함께 공개했습니다.

실험실 실제 합성까지 검증

컴퓨터 화면 속 수치에 그치지 않고 실제 실험실에서 합성할 수 있는지도 입증을 마쳤습니다.

연구팀은 중국과학원 선전선진기술연구원(SIAT) 리원제 교수 연구팀과 협력해, 200GPa 부피 탄성률을 목표 조건으로 생성한 신규 산화물 소재 'TaCr2O6' 합성을 시도했습니다.

합성된 물질은 탄탈럼과 크로뮴 사이의 조성 무질서를 감안했을 때 매터젠이 제시한 결정 구조와 정확히 일치했습니다. 실험으로 측정한 실제 부피 탄성률은 169GPa로, 설계 목표치였던 200GPa 대비 오차율이 20% 미만에 불과해 실험 물리학 관점에서 매우 근접한 성능을 보였습니다.

존스 홉킨스 대학교 응용물리학연구소(APL)의 계산 재료 과학자 크리스토퍼 스타일스는 미션을 가능하게 할 핵심 소재 발굴 관점에서 매터젠이 미칠 영향력에 주목하고 있다고 평가했습니다.

왜 중요한가

배터리, 연료전지, 태양광 패널, 신소재를 연구하는 연구실과 기업 R&D 부서라면 지금 즉시 코드를 내려받아 검토해 볼 가치가 있습니다. 마이크로소프트는 매터젠의 소스 코드뿐 아니라 학습 및 파인튜닝 데이터셋, 구조 평가 알고리즘을 모두 MIT 라이선스로 개방했습니다.

물성 시뮬레이션 모델인 매터심(MatterSim)과 매터젠을 결합하면 생성과 물성 검증이 하나의 플라이휠처럼 맞물려 신소재 탐색 속도를 비약적으로 끌어올릴 수 있습니다.

다만 한계도 명확합니다. AI가 열역학적으로 안정하고 우수한 결정 격자 좌표를 찾아주는 것과, 현실의 반응로에서 어떤 전구체와 온도, 압력을 써서 실제로 구워낼 수 있는가는 완전히 다른 문제입니다. 합성 경로 탐색이라는 숙제는 여전히 연구자들의 몫으로 남아 있습니다.