Allegro-FM: AI 시뮬레이션이 지속 가능한 재료 과학을 주도한다

인공지능(AI)은 재료 과학 분야에서 많은 발견을 이루고 있습니다. 이러한 다양한 발견들은 이론에 그치지 않고 실제로 다양한 산업에 영향을 미치고 있습니다.

예를 들어, Microsoft (MSFT )는 AI(Azure Quantum Elements 도구)와 고성능 컴퓨팅을 활용하여 3200만 개의 재료를 선별해 후보를 80시간 만에 18개로 좁혔습니다¹. 이는 일반적으로 수년이 걸리는 과정입니다. 연구진은 또한 배터리에서 리튬 사용량을 70% 줄일 수 있는 재료를 합성했습니다.

또 다른 사례로, MIT 연구원들은 AI를 사용해 새로운 단백질을 설계했습니다². 이러한 단백질은 특정 기계적 특성을 가진 재료를 만드는 데 활용될 수 있습니다. 자연에는 존재하지 않지만 영감을 받은 이러한 재료는 석유 기반 재료를 대체하고 훨씬 작은 탄소 발자국을 가질 가능성이 있습니다.

에너지 저장, 배터리 혁신, 바이오메디컬 재료 분야에서의 돌파구 외에도, AI는 기업과 과학자들에 의해 반도체 기술, 항공우주, 화학 제조 등 다양한 분야를 발전시키기 위해 활발히 탐구되고 있습니다.

계산 시스템이 일반적으로 인간 지능과 연관된 작업을 수행하는 능력이 지속 가능하고 친환경적인 재료를 만드는 데 또 다른 중요한 용도로 활용되고 있습니다.

그 예로 IBM의 (IBM ) RoboRXN 프로젝트는 AI, 자동화, 클라우드를 결합해 재료 발견을 가속화합니다. 원격으로 접근 가능한 화학 실험실을 통해 IBM은 새로운 분자의 자율 합성 및 테스트를 가능하게 하며, 이 실험실은 생분해성 폴리머를 발견하는 데 사용되고 있습니다.

연구자들은 또한 머신러닝을 사용해 금속-유기 프레임워크(MOF)를 탄소 포집용으로 선별하고 있습니다.

탄소 포집은 산업 시설에서 온실가스(GHG) 배출을 감소시키는 핵심 기술입니다. MOF는 이산화탄소를 선택적으로 흡수하는 능력 덕분에 유망한 후보입니다.

이 다공성 재료의 분자는 유기 노드, 무기 노드, 그리고 유기 연결고리로 구성되며, 다양한 배치가 가능해 수많은 잠재적 MOF 구성을 설계하고 테스트할 수 있습니다.

발견 과정을 가속화하기 위해 미국 에너지부(DOE) 아르곤 국립 연구소의 연구원들은 생성 AI를 사용해³ 30분 안에 120,000개 이상의 새로운 MOF 후보를 신속히 조합했습니다. 계산은 슈퍼컴퓨터에서 수행되었으며, 가장 유망한 후보에 대해 시간 소모적인 분자 동역학 시뮬레이션이 진행되었습니다.

현재 USC Viterbi 공대 연구원들은 콘크리트 산업의 CO2 배출 문제에 도전하고 있습니다. 이 산업은 전 세계 탄소 배출량의 약 8%를 차지하며, 주로 시멘트 생산에서 발생합니다.

The idea is to have concrete that not only self‑heals and lasts even longer but can also trap carbon dioxide from the atmosphere; for this, the researchers have developed a revolutionary AI model.

이 고도로 정교한 모델은 수십억 개의 원자 행동을 동시에 시뮬레이션할 수 있어 전례 없는 규모로 재료 설계와 발견의 새로운 가능성을 열어줍니다.

문제와 해결책: 콘크리트 속 탄소

매년 가뭄, 산불, 폭우, 허리케인 등의 빈도와 강도가 증가하고 있습니다. 이의 주요 원인은 온실가스 배출 증가로 인한 지구 온난화입니다.

GHG 배출은 이산화탄소(CO2), 메탄(CH4), 아산화질소(N2O)와 같은 가스가 대기로 방출되는 것을 의미합니다. 이러한 가스는 열을 가두어 지구 온난화와 기후 변화를 초래합니다.

현재 온실가스 배출의 주요 원천은 에너지 부문, 교통, 전기·열 생산, 그리고 농업입니다. 제조와 건설도 또 다른 주요 원천으로, 콘크리트와 강철 같은 건축 자재가 큰 탄소 발자국을 남깁니다.

현대 인프라의 핵심 요소인 콘크리트는 우리 주변 어디에나 존재하지만, 대규모 온실가스 배출 때문에 큰 문제를 야기합니다.

콘크리트의 핵심 구성 요소인 시멘트는 건설 산업 탄소 발자국의 상당 부분을 차지합니다. 시멘트 제조 과정은 석회석을 소성하는 과정으로 대량의 CO2를 배출하고, 가마에서 고온 가열을 위해 많은 에너지를 필요로 합니다.

물에 이어 지구상에서 가장 많이 소비되는 제품인 만큼, 콘크리트를 친환경적으로 만드는 것이 필수적이며, 그렇지 않으면 이 산업으로 인해 매년 10억 톤 이상의 CO2가 오염될 것입니다. 이 문제에 대한 잠재적 해결책은 유해 가스를 콘크리트 자체에 포집하는 것입니다.

“콘크리트 안에 CO2를 넣기만 하면 탄소 중립 콘크리트가 됩니다.”라고 USC Viterbi의 컴퓨터 과학, 물리·천문학, 정량·계산 생물학 교수인 나카노 아이이치로가 말했습니다.

그래서 나카노와 USC Viterbi 동료들은 대기 중 이산화탄소를 포집·저장하는 과정인 “CO2 격리” 연구를 시작했습니다.

GHG 배출을 줄여 탄소 중립을 달성하는 유망한 해결책이지만, CO2 격리는 어려운 과정입니다. 해결책을 찾기 위해 연구진은 AI에 의존했습니다.

연구팀은 엑사스케일 분자 동역학 시뮬레이션을 위한 기반 모델(FM)을 제시했습니다. 이를 위해 E(3) 등변 네트워크 아키텍처(Allegro)와 대규모 유기·무기 재료 데이터 세트를 활용하고 있습니다.

그 결과물인 Allegro-FM은 다양한 하위 작업을 위한 여러 재료 시뮬레이션을 처리할 수 있습니다.

기초 모델이 재료 과학을 혁신하는 방법

팀은 AI 모델에 기초 모델(FM)을 활용했으며, 이는 AI의 패러다임 전환이며 모델 훈련 방식을 혁신했다고 언급했습니다.

FM은 방대한 다양성의 데이터셋으로 학습된 대형 AI 모델로, 다양한 하위 작업에 맞게 조정될 수 있습니다. 이러한 모델은 사전 학습되어 있어 특정 작업에 추가 학습이 필요하지 않습니다.

FM을 생성하는 데는 막대한 자원이 필요하지만, 처음부터 시작할 필요는 없습니다. 프롬프트나 파인튜닝을 통해 개별 작업에 맞게 모델을 조정함으로써 모델 개발 및 데이터 생성에 드는 비용과 시간을 줄일 수 있습니다.

잘 훈련된 FM은 적은 자원으로도 파인튜닝이 가능해, 비교적 제한된 컴퓨팅 자원을 가진 사람도 워크플로에 모델을 통합할 수 있습니다.

대규모 딥러닝 신경망인 FM은 고객 지원, 콘텐츠 생성, 이미지 제작·편집, 언어 번역, 의료, 로봇공학 등 보다 특화된 AI 애플리케이션을 구축하는 데 활용될 수 있는 범용 모델입니다.

따라서 데이터 과학자들은 이러한 모델을 기반으로 자체 머신러닝(ML) 모델을 빠르고 비용 효율적으로 구축할 수 있습니다.

마이크로소프트가 지원하는 OpenAI의 GPT는 FM의 대표적인 예시입니다. 최초 모델은 2018년에 1억 1700만 개의 파라미터로 개발되었으며, 다음 해에 출시된 GPT-2에서는 15억 개로 늘어났습니다. 이후 2020년 GPT-3가 등장했으며, 96층 신경망과 1750억 개의 파라미터로 학습되었습니다. 이 파라미터는 가중치와 편향 등 모델이 입력과 출력을 처리하는 방식을 결정하는 조정 가능한 수치값입니다.

현재 최신 모델인 GPT-4는 1.76조 개의 파라미터를 가지고 있어 생성 AI 애플리케이션이 인간과 유사한 콘텐츠를 생성할 수 있다고 전해지고 있습니다.

기초 모델의 다른 예시로는 Amazon의 (AMZN ) Nova, Anthropic의 Claude, Google의 (GOOG ) Gemini, Meta의 (META ) LLaMA, 그리고 Stable Diffusion이 있습니다.

FM의 다양한 장점을 고려하여 USC Viterbi 연구진은 엑사스케일 MD 시뮬레이션을 위한 기초 모델인 Allegro-FM을 구축했습니다. 이 모델은 공개된 대규모 Materials Project Trajectory(MPtrj)와 SPICE 데이터셋을 Total Energy Alignment(TEA) 프레임워크와 정렬시켜 엑사스케일 재료 응용을 위해 학습되었습니다.

재료 시뮬레이션은 서로 다른 상, 상 경계, 입계와 같은 핵심 특성을 설명하고 화학 반응을 정확히 묘사하기 위해 많은 수의 원자가 필요합니다.

연구에 따르면 Allegro는 큰 잠재력을 가지고 있으며, 수백만에서 수십억 개의 원자를 필요로 하는 재료 시뮬레이션에 특히 적합합니다.

Allegro-FM의 돌파구: 수십억 개 원자 시뮬레이션

The Journal of Physical Chemistry Letters에 발표된 연구는⁴ AI 모델 Allegro-FM과 그 뛰어난 역량을 상세히 다룹니다. AI 기반 시뮬레이션 모델은 한 번에 수십억 개 원자를 시뮬레이션할 수 있는 뛰어난 능력을 갖추고 있습니다.

비용이 많이 드는 실제 실험에 앞서 다양한 콘크리트 화학 조성을 가상으로 테스트함으로써, Allegro-FM은 콘크리트를 탄소 원천이 아니라 탄소 흡수원으로 발전시킬 수 있습니다.

여기서 모델의 확장성은 핵심적인 의미를 가집니다. 기존의 많은 분자 시뮬레이션 방법이 존재하지만, 이들은 수천에서 수백만 개 원자 수준으로 제한됩니다.

반면 Allegro-FM은 40억 개가 넘는 원자를 처리할 수 있으며, 초당 1경 회 이상의 연산을 수행하는 엑사스케일 슈퍼컴퓨터 Aurora에서 시뮬레이션할 경우 97.5%의 효율을 보여줍니다.

이는 엄청난 성과로, 기존 모델이 처리할 수 있는 컴퓨팅 능력보다 약 1,000배 더 큰 수준을 의미합니다.

게다가 이 새로운 모델은 89개의 화학 원소를 포괄하도록 유연하게 설계되었습니다. 따라서 시멘트 화학 및 탄소 저장과 같은 다양한 응용 분야에서 분자 행동을 예측하는 데 활용될 수 있습니다.

“콘크리트는 매우 복잡한 재료입니다. 많은 원소와 다양한 상 및 계면으로 구성되어 있습니다. 그래서 전통적으로 콘크리트와 관련된 현상을 시뮬레이션할 방법이 없었습니다. 하지만 이제 Allegro-FM을 사용해 기계적 특성(및) 구조적 특성을 시뮬레이션할 수 있습니다.”

– 켄이치 노무라, USC Viterbi 화학공학 및 재료과학 교수로, 나카노와 20년 넘게 협업해 온 연구자.

연구진이 수행한 시뮬레이션은 Allegro-FM이 탄소 중립임을 보여주며, 이는 기존 콘크리트보다 더 적합한 옵션이 됩니다. 흥미롭게도, 이 AI 모델은 콘크리트와 관련된 다른 문제들도 해결합니다.

CO2를 많이 배출하는 방화 재료는 평균 약 100년 정도만 지속됩니다. 현대 콘크리트와 달리 고대 로마 콘크리트는 2,000년 이상 지속되어 왔습니다.

CO2 재포집은 콘크리트의 내구성을 향상시키는 데도 도움이 됩니다.

“CO2, 즉 ‘탄산염 층’을 넣으면 콘크리트가 더 견고해집니다.”

– 나카노

따라서 Allegro-FM은 현재보다 훨씬 오래 지속되는 탄소 중립 콘크리트를 시뮬레이션할 수 있습니다.

Allegro-FM을 활용한 AI 기반 시멘트 설계

실험을 위해 팀은 Allegro-FM을 자연에서 흔히 발견되는 칼슘 실리케이트 수화물(CSH) 광물인 토버모라이트 11Å(T11A) 결정에 적용했습니다. 이 특정 광물은 고대 로마 콘크리트에도 존재합니다.

시멘트는 광물화 과정을 통해 탄소를 포집할 수 있어 탄소 저장 재료로 큰 관심을 받고 있습니다. CO2 광물화는 지구 화학 순환의 일환으로 자연스럽게 발생합니다. 장기적이고 안전한 탄소 저장을 보장하려면 이에 대한 메커니즘 이해가 여전히 중요합니다.

여기서 고급 시뮬레이션은 통찰을 제공할 수 있지만, 계산 비용이 많이 들거나 화학적 정확도가 제한됩니다. 반면 확장 가능한 기초 모델은 시멘트의 탄소 저장 거동을 정확히 모델링할 가능성을 보여줍니다.

따라서 Allegro-FM은 일반화 가능성, 확장성, 예측성, 그리고 계산 효율성을 갖추어 원자 수준의 세부 정보를 손실 없이 동적 시뮬레이션을 가능하게 하는 데 큰 잠재력을 보여줍니다.

연구에 따르면 이 프레임워크는 CSH 겔의 나노구조, 자가 치유 시멘트, 내구성 시멘트 설계 조사에 활용될 수 있으며, 지구물리학 및 토목공학 분야에 새로운 접근법을 제공합니다. 연구는 다음과 같이 언급했습니다:

“Allegro-FM은 구조, 기계적, 열역학적 특성을 설명하는 데 고수준 양자 화학 이론과 뛰어난 일치를 보이며, 구조 상관관계, 반응 속도론, 기계적 강도, 파손, 고체/액체 용해와 같은 모델이 학습되지 않은 영역에서도 새로운 능력을 보여줍니다.”

재료 연구의 미래: AI가 양자역학을 대체한다

AI의 활용은 과학자와 엔지니어에게 완전히 새로운 판도를 열었습니다. 전통적으로 원자 행동을 시뮬레이션하려면 정밀한 수학식이나 ‘깊고 복잡한 양자역학 현상’이 필요했으며, 이는 매우 기술적일 뿐 아니라 느렸습니다.
하지만 이제는 다릅니다. 최근 몇 년간 AI 기술의 발전은 과학자들이 연구를 수행하는 방식을 혁신했습니다.

“이제 머신러닝 AI 돌파구 덕분에, 연구자들은 모든 양자역학을 처음부터 유도하는 대신 훈련 데이터를 생성하고 머신러닝 모델에 실행을 맡기는 방식을 채택하고 있습니다.”

– 노무라

이제 모델은 적은 자원으로 방대한 데이터와 더 높은 복잡성을 처리할 수 있습니다. 이로 인해 전체 과정이 훨씬 빠르고 효율적이 되었습니다.

실제로 Allegro-FM은 원자 간 ‘상호작용 함수’를 정확히 예측할 수 있습니다. 원자들이 서로 반응하고 상호작용하는 방식은 일반적으로 개별 시뮬레이션과 수많은 계산 시간이 필요합니다.

하지만 기존처럼 원소별로 각각 다른 방정식과 고유 함수를 적용하는 대신, 새로운 AI는 전체 주기율표를 동시에 시뮬레이션하여 상호작용 함수를 구현합니다. 이는 더 빠른 시뮬레이션과 더 많은 재료 옵션을 의미합니다. 노무라가 설명했습니다:

“전통적인 접근 방식은 특정 재료 집합을 시뮬레이션하는 것이었습니다. 예를 들어 실리카 유리를 시뮬레이션할 수는 있지만, 약물 분자를 동시에 시뮬레이션할 수는 없었습니다.”

기술적으로도 새로운 시스템은 AI 모델이 대형 슈퍼컴퓨터가 필요했던 정밀 계산을 수행할 수 있어 훨씬 효율적입니다. 이는 작업을 단순화하고 슈퍼컴퓨터를 보다 고급 연구에 활용할 수 있게 합니다.
나카노는 AI가 “훨씬 더 작은 컴퓨팅 자원으로도 양자역학 수준의 정확성을 달성할 수 있다”고 언급했습니다.
이 연구는 뛰어난 결과를 보여주지만, 아직 해야 할 일이 많이 남아 있습니다. 노무라가 말했듯이, 팀은 “더 복잡한 형상과 표면”으로 연구를 확대하며 콘크리트 연구를 지속할 것입니다.

친환경 화학에 투자하기

미국 최대 화학 기업 중 하나인 Dow (DOW )는 지속 가능한 재료와 탄소 포집 기술에 적극 투자하고 있습니다. Allegro‑FM과 같은 AI 기반 시뮬레이션은 Dow와 같은 기업이 친환경 화학 물질을 개발하는 데 완벽한 도구를 제공합니다.

Dow Inc. (DOW )

이 회사는 포장·특수 플라스틱, 성능 재료·코팅, 산업 중간재·인프라 등 여러 사업 부문을 통해 운영됩니다.

시가총액 177억 2천만 달러인 Dow Inc.의 주가는 현재 $25이며, 연초 대비 37.53% 하락했습니다. EPS(TTM)는 0.40, P/E(TTM)는 62.66이며, 배당 수익률은 5.58%입니다.

이번 주에 2025년 2분기 실적을 발표했으며, 순매출이 전년 대비 7% 감소한 101억 달러, 판매량은 전년 대비 1% 감소했습니다.

GAAP 기준 순손실은 8억 100만 달러이며, 주당 GAAP 손실은 $1.18였습니다. 영업활동 현금 흐름은 -4억 7천만 달러였습니다. 이 기간 동안 Dow는 배당을 통해 주주에게 4억 9천 6백만 달러를 반환했습니다.

올해 회사는 Google과 협력해 필름 플라스틱 및 혼합 재료를 식별하는 AI 분류 시스템을 개발했습니다. 이 시스템은 Google의 ML 모델, Dow의 재료 설계 지식, 그리고 Dow의 재활용 기업 Circulus의 재활용 기술을 활용해 분자 조성을 기반으로 재활용 가능한 재료를 식별합니다.

Dow는 또한 AI를 활용해 화학 및 재료 제조 공정을 최적화합니다. 이 기술은 실시간으로 변수들을 모니터링하고 조정하여 효율적인 공정과 일관된 결과를 보장합니다.

또한 Dow는 AI를 R&D에 활용해 새로운 재료를 발견할 뿐 아니라 기존 재료를 개선하는 것을 목표로 하고 있습니다.

최신 Dow Inc. (DOW) 주식 뉴스 및 개발

결론

콘크리트는 강도, 다재다능성, 비용 효율성, 내구성 덕분에 건설에 광범위하게 활용되는 강력한 재료입니다. 그러나 동시에 상당량의 이산화탄소를 배출하므로 대안을 모색하는 것이 중요합니다.

Allegro‑FM 도구를 활용한 최신 연구는 재료 연구의 확장성에서 획기적인 돌파구를 이루어 수십억 개 원자를 한 번에 시뮬레이션할 수 있게 했으며, 이를 통해 콘크리트와 같은 일상적인 재료에 대한 재고가 가능해졌습니다.

AI는 콘크리트와 같은 더 깨끗하고 오래 지속되는 재료를 설계하는 새로운 방식을 제공함으로써, 더 강한 건축물뿐 아니라 더 깨끗한 환경을 조성하는 데 기여합니다. 이는 콘크리트가 기후 문제의 원인이 아니라 해결책이 되는 미래를 열어줍니다!

콘크리트의 단점을 극복하는 방법을 알아보려면 여기를 클릭하세요.

참고문헌:

1. Chen, C.; Nguyen, D. T.; Lee, S. J.; Baker, N. A.; Karakoti, A. S.; Lauw, L.; Owen, C.; Mueller, K. T.; Bilodeau, B. A.; Murugesan, V.; Troyer, M.; Thien, D.; (…additional authors as listed). 인공지능과 클라우드 고성능 컴퓨팅을 활용한 계산 재료 발견 가속화: 대규모 스크리닝에서 실험 검증까지. arXiv preprint arXiv:2401.04070 (2024). https://doi.org/10.48550/arXiv.2401.04070
2. Anand, N.; Eguchi, R. R.; Mathews, I. I.; Höhn, M.; Chen, Y.; Pellegrino, J.; Li, J.; Lee, Y.; Park, J.; Zhang, J.; Baek, M.; Ovchinnikov, S.; Baker, D. 등변 디노이징 확산 확률 모델을 이용한 단백질 구조 및 서열 설계. Chem, 9(6), 1646–1664 (2023). 게시일 online 2023년 4월 20일. https://doi.org/10.1016/j.chempr.2023.03.013
3. Park, H.; Yan, X.; Zhu, R.; Huerta, E. A.; Chaudhuri, S.; Cooper, D.; Foster, I.; Tajkhorshid, E. 탄소 포집을 위한 금속‑유기 프레임워크 설계를 위한 분자 확산 모델 기반 생성 인공지능 프레임워크. Communications Chemistry, 7(1), Article 21 (2024). 게시일 online 2024년 2월 14일. https://doi.org/10.1038/s42004‑023‑01090‑2
4. Nomura, K.; Hattori, S.; Ohmura, S.; Kanemasu, I.; Shimamura, K.; Dasgupta, N.; Nakano, A.; Kalia, R. K.; Vashishta, P.
Allegro‑FM: 엑사스케일 분자 동역학 시뮬레이션을 위한 등변 기반 모델을 향하여
5. The Journal of Physical Chemistry Letters, 16 (25), 6637–? (2025). 게시일 online 2025년 6월 20일. https://doi.org/10.1021/acs.jpclett.5c00605