AI와 핵융합 – 한 혁신 기술을 활용해 다른 기술을 발전시키다

 인공지능은 지난 10년간 가장 큰 기술 발전 중 하나로, 모든 산업을 변화시키고 있습니다. 그 영향이 미치지 못하는 분야는 거의 없으며, 핵융합도 예외는 아니며—AI 자체만큼이나 파괴적인 기술입니다.

핵융합은 거의 무한에 가까운 청정 에너지 원천으로 찬사를 받고 있는 유망한 에너지 소스이며, 게임 체인저가 될 수 있습니다.

그 많은 장점 중에는 풍부한 연료, 에너지 효율성, 최소한의 온실가스 배출, 신뢰성, 내재된 안전성, 그리고 지속 가능성이 포함됩니다. 그러나 아직도 실험 단계에 있습니다.

이러한 사실에도 불구하고, 핵융합 에너지 기록이 올해 달성되었습니다. 과학자와 엔지니어 팀이 0.2밀리그램의 연료만으로 5초 동안 69메가줄의 융합 에너지를 지속시켰습니다. 이 에너지는 약 12,000가구에 전력을 공급할 수 있지만, 입력 에너지가 생성 에너지보다 더 많이 필요합니다. 

지금까지 과학자들은 몇 초 정도만 융합을 유지할 수 있었습니다. 그러나 AI 덕분에 상황이 곧 변할 수 있습니다.

최근 몇 년간 AI의 지속적인 돌파구는 AI를 일상 생활의 일부로 만들었을 뿐만 아니라 과학적 진보를 이루는 데 필수적인 요소로 만들었습니다. AI는 이제 핵융합을 개선하기 위해 여러 방면에서 적극적으로 탐구되고 있습니다. 

실시간으로 불안정을 예측하고 방지하여 융합 반응을 제어하는 것부터, 최적의 원자로 설계를 찾기 위한 분석, 융합 반응을 더 오랜 기간 안정적으로 유지하는 것, 그리고 플라즈마 변화를 예측하고 원자로 설계 분석에 소요되는 시간과 비용을 줄이는 것까지—AI의 핵융합 분야 역할은 급속히 확대되고 있습니다.  

대규모 에너지를 핵융합으로 생산하는 것이 2050년 전에는 어려울 수 있지만, AI는 이 과정을 가속화하는 유망한 도구로 확실히 부상했습니다.

스티븐 코울리(Steven Cowley) 교수이자 에너지부 프린스턴 플라즈마 물리학 연구소(PPPL) 실험실장이 믿고 있습니다:

“융합은 AI의 ‘킬러 앱’이 될 수도 있습니다.”

올해 초, 과학자들은 플라즈마의 불안정을 예측하는 방법을 찾아냈으며, 이는 플라즈마가 기계가 만든 자기장에 의해 잡히는 동안 발생할 수 있는 찢어짐과 탈출을 실시간으로 방지하는 데 AI를 활용했습니다.

프린스턴 대학과 PPPL 연구진이 수행한 실험에 따르면, AI 컨트롤러는 플라즈마 찢어짐을 최대 300밀리초 앞서 예측할 수 있었습니다.

불안정성은 핵융합의 큰 장애물 중 하나이며, 반응기가 연중무휴 수년간 문제 없이 운영되기를 원합니다. 

“(불안정성과 불안정성은) 매우 문제적이므로… 이러한 솔루션을 개발함으로써 우리는 이 기계들을 문제 없이 운영할 수 있다는 자신감을 높이고 있습니다.”

– 에게멘 콜레멘(Egemen Kolemen), 연구 저자이자 프린스턴 대학 기계·항공공학 교수

핵융합 시설을 위한 새로운 합금을 찾기 위한 AI 구축

오크리지 국립 연구소(ORNL, 미국 에너지부 소속)의 최근 연구에서는 핵융합 원자로에서 방호 재료로 사용되는 새로운 합금을 식별하는 데 도움이 되는 AI 모델을 만들었습니다.

이 프로젝트는 전 AI 이니셔티브 디렉터였던 데이비드 웜블(David Womble) 교수의 지도 아래 수년 전 시작되었으며, 인공지능을 통한 과학적 발견(AISD) 연구의 핵심 분야로 이어졌습니다.

대규모 계산 접근 방식의 현재 한계에도 불구하고, 이 연구는 전통적인 재료 과학 및 양자역학에 머신러닝을 통합하는 잠재적 이점을 새롭게 조명하고 있습니다. 

특히 딥러닝(DL) 모델은 원자 시스템의 원자 배열에 의해 촉발되는 비선형성을 효과적으로 기록해 왔습니다.

DL 모델이 훈련되면, 전체 DFT 계산을 수행하는 데 걸리는 시간의 일부만으로 추론에 사용할 수 있으며, 정확한 결과를 도출합니다. 이는 원자 정보를 활용해 합금 특성을 예측하는 데 소요되는 시간을 크게 절감하여 새로운 다성분 합금의 발견 및 설계를 가속화합니다. 

따라서 연구의 초점은 매우 높은 온도에서도 뛰어난 성능을 달성해야 하는 합금에 맞춰졌습니다.“ 이 성능은 고온 저항성뿐 아니라 복합 핵융합 플랜트에서 요구되는 구조적 기계적 특성을 포함해야 합니다. 재료가 더 높은 온도에서 높은 강도를 유지하려면 분해 온도가 더 높아야 합니다. 

이러한 재료를 만들기 위해 전통적으로 텅스텐이 주요 원소로 사용되었습니다. 추가 원소는 보조적으로 첨가됩니다. 그 결과 합금 조성은 고온에 견디지만 적절한 차폐를 유지하는 데 일관성이 부족했습니다.

최근 연구원들은 ORNL AI 데이터 과학자 마시밀리아노 루포 파시니(Massimiliano Lupo Pasini)가 “완전히 새롭고 파괴적인 것”이라고 묘사한 기존 기술 재료를 대체하는 방안을 모색했습니다.

하지만 잠재적인 금속 조합을 식별하는 일은 가능한 조합 수가 방대하기 때문에 큰 도전 과제입니다. 

그래서 연구원들은 AI를 활용해 테스트 기간을 우회하고 보다 효율적인 방식으로 사용 가능한 합금 후보를 발견했습니다. 이 과정에서는 AI 모델을 만들기 위한 데이터를 생성하고, 잠재적인 새로운 합금 후보로 테스트할 세 가지 원소를 선정했습니다.

연구 결과는 Scientific Data 저널에 발표되었으며, 팀은 네 개의 오픈소스 데이터셋을 제공했습니다. 이 데이터셋은 합금의 기저 상태 특성에 대한 밀도 함수 이론(DFT) 계산 결과를 포함합니다. 

관여된 합금은 나이오븀-바나듐(NbV), 나이오븀-탄탈럼(NbTa), 탄탈럼-바나듐(TaV), 그리고 체심 입방(BCC) 구조를 가진 삼원 합금 NbTaV입니다. 각각은 128개의 브라베 격자 자리를 가지고 있습니다. 

ORNL의 AI 모델은 핵융합 분야에서 큰 의미를 갖습니다. 왜냐하면 이 유망한 기술은 극한의 고온, 방사선, 기계적 스트레스를 견딜 수 있는 청정하고 거의 무한에 가까운 에너지 재료를 제공할 수 있기 때문입니다. 따라서 고성능 합금을 찾아냄으로써 융합 반응기의 수명과 신뢰성을 보장할 수 있습니다.

새로운 합금을 훨씬 빠르고 비용 효율적으로 식별하고, 핵융합 반응기를 실용적이고 안전하게 만드는 데 큰 장애물을 제거하는 것 외에도, 이러한 AI 모델은 핵융합 분야에서 파괴적인 기술 혁신을 가능하게 할 수 있습니다.

AI 기반 데이터 모델링으로 과학적 발견 가속

AI로 생성된 데이터베이스는 프로젝트의 한 부분일 뿐입니다. 다음 단계는 생성된 데이터를 활용해 재료 발견 및 설계를 위한 머신러닝 모델의 개발, 훈련, 배포에 관한 추가 연구를 수행하는 것입니다.

루포 파시니에 따르면, 새로운 내열 고엔트로피 합금을 설계하기 위해서는 여섯 가지 원소가 필요합니다.

고엔트로피 합금(HEA)은 재료 과학자들에게 새로운 영역이며, 현재 실험 결과는 매우 제한적입니다. 몇 년 전의 연구에서는 14가지 원소와 그 조합을 조사해 HEA를 도출했습니다. 고처리량 양자역학 계산을 통해 7,000개 이상의 HEA의 안정성 및 탄성 특성을 발견했습니다. 

이 연구는 “고엔트로피 합금 탄성 특성에 대한 가장 큰 데이터베이스”라고 밝혔으며, 이는 일리노이 공과대학 재료과학 및 공학 부교수인 웨이 첸(Wei Chen) 박사의 말입니다.

하지만 최신 연구에서는 기존 슈퍼컴퓨터에서 양자역학 계산을 수행하는 데 드는 높은 비용 문제도 존재합니다. 따라서 “데이터만으로는 충분하지 않을 것입니다.”

또 다른 과제는 방대한 계산에 소요되는 시간입니다. 팀은 퍼머터와 서밋 슈퍼컴퓨터에서 계산을 완료하고 데이터를 생성하는 데 1년 이상이 걸렸습니다.

The Summit supercomputer is part of the Oak Ridge Leadership Computing Facility and is located at ORNL, while Perlmutter is housed at Lawrence Berkeley National Laboratory, with both computing systems being DOE Office of Science user facilities.

다음 단계에서는 생성된 데이터를 활용해 AI 모델을 훈련시킬 예정입니다. 이 모델은 여섯 가지 원소를 다양한 농도로 혼합한 합성물의 방대한 범위를 가속화할 것입니다.

“우리는 재료 과학자들이 다양한 원소의 상대 비율을 식별하는 시행착오 접근법을 돕고자 합니다. 이를 통해 융합에서 파괴적인 기술 혁신을 이끌 수 있는 합금을 만들 수 있습니다.”

– 루포 파시니

AI를 활용해 재료의 복잡성을 더 깊이 이해하려는 노력도 빠르게 진행되고 있습니다. 지난해 ORNL의 루포 파시니는 전례 없는 규모의 데이터셋을 생성했으며, 이는 1,000만 개 이상의 유기 분자의 자외선-가시광선 스펙트럼 특성을 제공했습니다. 

분자의 빛과의 상호작용을 이해하는 것은 전자 및 광학 특성을 밝히는 데 중요하며, 이는 의료 영상 시스템 및 태양전지와 같은 광활성 응용 분야에 잠재력을 가집니다.

양자 화학 계산은 고성능 컴퓨팅 자원을 이용해 수행되었으며, 방대한 데이터셋을 생성했습니다. 이 데이터셋은 맞춤형 광전·광반응 특성을 가진 분자를 식별하기 위한 딥러닝 모델 훈련에 활용될 예정입니다.

당시 루포 파시니는 실험 집약적인 실험과 기존의 1차 원리 계산이 초고성능 컴퓨팅 시설을 쉽게 압도할 정도로 비용이 많이 든다고 지적했으며, 딥러닝 모델은 이러한 장벽을 극복할 매우 유망한 도구라고 강조했습니다.

팀은 원자 구조를 입력받아 그래프로 변환한 뒤, 1차 원리 코드가 출력할 결과를 예측하는 HydraGNN 아키텍처를 구축하고 있습니다.

올해 초, 파시니와 팀은 퍼머터 시스템뿐만 아니라 프론티어와 서밋 슈퍼컴퓨터에서도 HydraGNN의 확장성을 보여주었습니다. HydraGNN은 그래프 신경망(GNN) 아키텍처를 구현해 재료 특성을 빠르고 정확하게 예측합니다.

이 일러스트를 통해 팀은 수천, 수백만 변수 간의 연결을 매핑하고 관계를 해석해 과학적 발견을 가속화하는 방법을 시연했습니다.

핵융합으로 혜택을 받을 기업들

AI와 핵융합 산업 모두 수십억 달러 규모의 투자를 받고 있으며, 이는 두 혁신 기술에 대한 기대와 개발이 활발함을 보여줍니다. 이제 이 분야의 주요 기업들을 살펴보겠습니다. 

#1. General Electric (GE)

GE는 GE Vernova를 통해 핵전력 연구 및 개발에 참여하고 있으며, 보다 신뢰성 높고 저렴하며 지속 가능한 에너지로 가는 길을 가속화하고자 합니다. 이 분야에서의 노력에는 실시간으로 사용된 핵연료 물질을 추적하는 새로운 센서와 영상 기술, 연료 재처리를 보다 저렴하게 만드는 RADMASS 검사 기술, 그리고 끓는 물 원자력 발전소(BWR) 건설이 포함됩니다.

시가총액 204.469억 달러인 GE의 주가는 현재 188.94달러에 거래되고 있으며, 연초 대비 47.83% 상승했습니다. EPS(TTM)는 4.28, P/E(TTM)는 44.09, 배당 수익률은 0.59%입니다.

2024년 2분기, GE Vernova는 총 매출 82억 달러, 순이익 13억 달러를 보고했습니다. 동시에 총 주문액 118억 달러는 매출의 1.4배에 달했습니다. 분기 말 영업 현금 흐름은 10억 달러였으며, 현금 잔고는 58억 달러로, 4월 GE 분사 이후 42억 달러에서 증가했습니다.

“글로벌 전력화와 탈탄소화 추세가 우리 제품과 서비스에 대한 수요를 지속적으로 견인하고 있습니다.”

– GE Vernova (GEV ) CEO 스콧 스트라직(Scott Strazik)

#2. IBM (IBM)

NVIDIA (NVDA ) 가 AI와 슈퍼컴퓨팅 기술 분야를 선도하며 올해 주가가 134.76% 상승한 반면, IBM도 양자 컴퓨팅 및 AI 연구 분야에서 선두주자 중 하나입니다. IBM의 양자 컴퓨터는 클라우드 기반 양자 컴퓨팅 시스템으로, 연구와 탐색에 활용될 수 있습니다.

이러한 양자 컴퓨터를 활용해 복잡한 시뮬레이션을 수행함으로써 IBM은 다양한 분야에서 중요한 돌파구를 제공하고 있습니다. 몇 년 전, IBM은 데이터 가치를 활용해 핵전력 생산을 최적화하는 방안을 제시했습니다.

시가총액 201.54억 달러인 IBM의 주가는 현재 218.80달러에 거래되고 있으며, 연초 대비 34.82% 상승했습니다. EPS(TTM)는 9.53, P/E(TTM)는 2.95, 배당 수익률은 3.05%입니다.

2024년 2분기, IBM은 매출 158억 달러를 보고했으며, 이는 2% 증가한 수치이며 소프트웨어 부문에서 가장 큰 상승을 보였습니다. 회사의 총 이익률은 56.8%였으며, 영업이익(Non-GAAP)은 57.8%였습니다. 연초 기준 영업 현금 흐름은 62억 달러였으며, 자유 현금 흐름은 45억 달러였습니다.

#3. ATI Inc. (ATI)

ATI는 특수 금속 및 합금 생산을 전문으로 하며, 이러한 전문성은 융합 반응기 적용에 적합합니다. 고성능 재료·부품(HPMC) 부문은 티타늄 및 티타늄 기반 합금을 생산하며, 이는 에너지, 의료, 항공우주 분야에 사용됩니다. 고급 합금·솔루션(AA&S) 부문은 지르코늄 및 관련 합금을 생산해 자동차, 전자, 에너지, 방위 시장에 공급합니다.

시가총액 8.20억 달러인 ATI의 주가는 현재 66달러에 거래되고 있으며, 연초 대비 44.74% 상승했습니다. EPS(TTM)는 2.94, P/E(TTM)는 22.48입니다.

2024년 2분기, ATI는 매출 11억 달러를 보고했으며, 이는 전 분기 대비 5% 증가한 수치입니다. 분기 순이익은 8,190만 달러이며, 주당 0.58달러로 전년 동기 대비 26% 상승했습니다. 조정 EBITDA는 1억 8,260만 달러였습니다.

“우리의 실행력과 시장 기회를 활용하는 능력이 마진을 확대하고 강력한 영업 현금 흐름을 창출하게 합니다.”  

– Kimberly A. Fields, 사장 겸 CEO

결론

AI 열풍은 지속적으로 커지고 있으며, 핵융합 연구에 AI를 통합하는 것은 두 분야 모두에게 중대한 전환점이 됩니다. 융합에 내재된 복잡한 과제를 해결함으로써 AI는 실용적인 융합 에너지를 달성하는 데 걸리는 시간을 크게 단축할 잠재력을 가지고 있습니다.

실시간 플라즈마 예측부터 극한 조건을 견딜 수 있는 새로운 합금 발견까지, AI 기반의 진보는 핵융합을 현실에 가깝게 만들고 있으며, 전 세계 에너지 위기에 대한 보다 깨끗하고 지속 가능한 에너지 솔루션을 제공하고 있습니다.

인공지능에 대한 투자에 대해 모두 알아보려면 여기를 클릭하십시오.