결정 속 누락된 원자 복원하는 오픈소스 AI '엑스탈페인트'…성공률 97%

엑스탈페인트(XtalPaint)는 결정 구조 데이터에서 누락된 원자의 3차원 좌표를 정밀하게 복원해 주는 오픈소스 AI 모델이다.

신소재의 전기 전도도나 열전도율을 컴퓨터로 시뮬레이션하려면 모든 원자의 정확한 위치 데이터가 필수적이다. 하지만 널리 쓰이는 X선 회절 측정법은 수소처럼 가벼운 원자를 감지하기 어렵다. 이 때문에 학계 데이터베이스에 수천 종의 유망한 소재가 등록되어 있으면서도, 수소 위치를 몰라 시뮬레이션을 돌려보지 못하고 방치되는 문제가 오랫동안 이어져 왔다.

스위스 폴 셰러 연구소(PSI)의 조반니 피치(Giovanni Pizzi) 연구팀은 컴퓨터 비전에서 손상된 이미지를 복원할 때 쓰는 '인페인팅(Inpainting)' 기법을 도입해 이 공백을 메웠다.

비어 있는 자리에만 노이즈를 채우는 원리

이미지 인페인팅 AI는 사진 속 가려진 부분을 복원할 때 전체 이미지를 새로 그리지 않는다. 비어 있는 영역에만 확산 노이즈를 주입하고, 주변의 온전한 픽셀을 단서 삼아 결손 부위만 자연스럽게 채워 넣는다.

기존의 결정 구조 AI 모델들은 구조 전체에 무작위 노이즈를 덮어씌운 뒤 처음부터 다시 생성하는 방식을 주로 썼다. 이 방식은 막대한 연산 비용이 들 뿐 아니라 이미 정확하게 측정된 원자 배치까지 흔들어버리는 단점이 있었다.

마이크로소프트의 재료 생성 AI인 매터젠(MatterGen)을 기반으로 개조된 엑스탈페인트는 완전히 다른 길을 택했다. 이미 확인된 결정 골격은 손대지 않고, 원자가 비어 있는 미지의 위치에만 노이즈를 가한다. 이미 알고 있는 원자 배열을 나침반 삼아 좌표를 단계적으로 추론하기 때문에 계산 자원을 크게 아끼면서 정확도를 끌어올린다.

97%에 달하는 복원 성공률

연구팀은 수소 위치가 이미 검증된 결정 구조에서 수소 좌표를 지운 뒤 엑스탈페인트에게 복원을 맡기는 방식으로 성능을 검증했다.

실험 결과, 87%의 테스트에서 기존에 알려진 원래 좌표를 정확히 복원해 냈다. 나머지 10%에서는 기존 기록보다 에너지가 더 낮고 구조적으로 안정적인 배치를 스스로 찾아냈다. 연구팀이 밝힌 실질 복원 성공률은 97%에 이른다.

이 기술은 수소뿐만 아니라 차세대 배터리 연구의 핵심인 리튬과 나트륨 등 가벼운 알칼리 금속의 위치를 복원하는 데도 적용할 수 있다. 논문 데이터를 데이터베이스로 옮기는 과정에서 발생한 기록 오류를 찾아내는 용도로도 검증을 마쳤다. 관련 연구는 학술지 'npj Computational Materials'에 게재되었으며 모델은 오픈소스로 공개되었다.

왜 중요한가

소재 계산 시뮬레이션이나 수소 저장, 이차전지 소재를 연구하는 연구자라면 지금 바로 파이프라인에 도입을 검토할 만한 실용적인 도구다. 실험실에서 다시 막대한 비용을 들여 재측정하지 않고도, 가벼운 원자가 빠져 사장되어 있던 방대한 기존 결정 데이터를 즉시 디지털 연구 자산으로 되살려낼 수 있기 때문이다.

우리는 엑스탈페인트의 접근법이 매우 영리하다고 평가한다. 모든 구조를 백지상태에서 새로 찍어내는 거대 생성 모델 대신, 컴퓨터 비전의 국소 복원 방식을 빌려와 '확인된 골격이 AI의 환각을 물리적으로 통제'하도록 설계했다. 연산 부담을 최소화하면서도 과학적 신뢰도를 확실히 챙긴 오픈소스 연구의 모범 사례다.