신소재 관상학의 원리는 거시 세계에서도 활용 가능합니다. 소재의 구조와 밀도와 같은 화학적 & 물리적 성질들이 반응을 결정하는 만큼 필요한 소재를 적절한 곳에 사용할 수 있습니다. 예를 들어 건축물의 안정성이나 차량의 연비 등의 목적이 있다면 각각에 맞는 소재를 찾기 위해 신소재 관상학을 이용할 수 있을 것 같습니다. 또한, 교수님께서 소개해주신 반도체 설계에도 신소재 관상학이 사용됨을 영상을 통해 확인할 수 있지요.

AI를 이용하여 물성을 예측하는 것은 충분히 가능합니다. AI는 대량의 데이터를 분석하고 그 속에서 패턴을 찾아내는 능력을 가지고 있는 만큼 기존 물질들에 대한 필요한 정보를 입력하고 적절한 모델을 설계한다면 필요한 물성을 알아낼 수 있습니다.
특히 최근에는 GNN (graph neural network) 을 이용한 화합물의 성질 파악에 대한 연구가 많이 있는 것으로 압니다.

신소재 관상학은 영상에 나온 메모리 소자 개발 이외에도 다양한 분야에서 활용될 수 있습니다. 기존 물질이 환경에 영향을 주는 이유를 안다면 해당 원인을 피하기 위한 설계를 할 수도 있어 보이고, 생명 공학적인 관점에서도 세포들과 부작용없이 잘 상호작용할 수 있는 구조를 설계하는데 도움이 될 것 같습니다. 이외에도 신소재 관상학은 소재의 구조와 물성을 이해하고 예측하는 데 도움이 되므로, 새로운 소재의 개발과 기존 소재의 향상에도 활용될 수 있어 보입니다.

먼저 소재의 구조를 관찰합니다. 구성하는 원자 간의 거리와 구조를 파악하는 것을 포함합니다. 이를 통해서 소재의 물성을 분석할 수 있을 것인데, 전자의 흐름과 상호작용이 소재의 전도성에 어떤 영향을 미치는지를 알 수 있을 것 입니다. 이후 필요한 용도에 따라서 추가적인 성질을 파악할 듯 합니다. 예를 들어 플로팅 게이트 트렌지스터와 같이 정보 저장에 사용하려면 소재의 정보 저장 밀도를 분석하기 위해 플로팅 게이트의 폭을 얼마나 작게 할 수 있을지를 분석할 것 입니다.

신소재 관상학의 한계는 복잡한 구조와 물성 간의 상관관계를 완전히 이해하고 예측하는 것이 어렵다는 점입니다. 또한, 모든 소재의 성질이나 반응을 관상학만으로 설명할 수 없으며, 실제 환경에서의 소재의 행동을 예측할수는 있지만 이와 다른 현상이 발생할 수도 있는 것을 분명이 인지해야 할 것 입니다.

신소재의 제조 과정에서의 검사는 통과했으나 이후 분명 다른 물질과 혼합되어 문제가 발생할 수 있습니다. 이러한 경우에 해당 신소재는 재검사 과정을 거치게 될 것 같습니다. 이 과정에서 문제가 되는 물질을 분리하거나, 필요한 경우 신소재의 구조나 성질을 수정하여 문제를 해결하게 됩니다. 그러나 이러한 수정이 불가능하거나, 수정 후에도 문제가 계속 발생한다면, 해당 신소재는 사용이 제한되거나 폐기될 수 있습니다. 따라서 신소재의 검사는 한 번만 이루어지는 것이 아니라 지속적으로 유지보수 과정이 들어가야 할 것 입니다.

크게 원재료의 가격과 제조에 필요한 가격으로 나눌 수 있을 것 같습니다. 먼저 원자재의 가격의 경우 시장의 수요/공급에 의해 달라질 것 입니다. 특히 특정 국가 (중국 등) 에서만 나오는 원자재를 필요로 한다면 해당 국가의 상태에 따라 비용에 큰 영향을 줄 수도 있습니다. 소재의 제조 과정의 경우 과정이 복잡할수록, 제조에 에너지가 많이 들수록, 또 불량률이 높을수록 제조 가격이 상승할 것 같습니다.

먼저 환경 오염을 줄이는 데 기여할 수 있습니다. 예를 들어, 자연을 모사하여 제조한 생분해성 플라스틱과 같은 소재는 사용 후 자연 환경에서 안전하게 분해되므로, 플라스틱 오염 문제를 해결하는 데 도움이 될 수 있습니다. 또한 자연을 모방한 소재는 에너지 효율을 향상시키는 데 도움이 될 수 있습니다. 예를 들어, 나뭇잎을 모방한 태양광 패널은 자연광을 더 효과적으로 수집하고 변환할 수 있을지도 모릅니다. 셋째, 이러한 소재는 생물 다양성을 보호하는 데 기여할 수 있습니다. 예를 들어, 산호초의 특징을 모방하여 이를 대체할 수 있는 소재의 경우 해양생태계에서 산호초가 없더라도 그 역할을 임시로 대체해서 생태계의 사이클이 작동하도록 도울 수 있어 보입니다.

신소재의 물리적 특성 중에서 인체의 외형적 특성과 유사한 것들이 있습니다. 바로 뼈와 치아의 기계적 그리고 전기화학적 특성입니다. 인체의 뼈를 주로 구성하는 하이드록시아파티이트가 포함된 뼈반창고는 인체의 뼈가 재생할 수 있도록 전기화학적 특성을 독특하게 설계한 신소재라고 할 수 있습니다(https://times.kaist.ac.kr/news/articleView.html?idxno=21573).

치아의 경우에는 부식(dental erosion)이 되는 경우 치아의 탄성계수가 급격하게 감소하며 이로 인해서 충치균이 쉽게 침투해들어올 수 있는 환경이 만들어짐을 알 수 있습니다(https://biz.chosun.com/site/data/html_dir/2020/07/21/2020072102589.html). 치아의 내구성을 증강시키기 위해서는 SDF와 KI라는 화학처리를 할 수 있는데, 이 경우 200 nm 두께의 보호막이 생성됨을 각종 현미경을 활용해서 알아낼 수 있습니다. 관련 연구는 곧 논문으로 발표될 예정입니다.

신소재의 물리적 특성은 인체의 외형적 특징과 직접적인 상관관계는 없을 것 같습니다. 하지만, 신소재의 물리적 특성이 인체의 기능적 요소와 연결될 수는 있어 보입니다. 예를 들어, 내구성이나 탄성이 뛰어난 소재를 인공 관절이나 보철물 등의 제작에 활용될 수 있을 것입니다.

신소재관상학은 신소재뿐만 아니라 의료영상을 판독하고 질병을 진단하는 데에도 활용될 수 있을 것 같습니다. 모든 소재의 열화는 원자 단위의 결함으로부터 시작됩니다. 질병 역시 원자나 분자 단위에서 시작된다고 생각합니다. 따라서, 신소재관상학을 통해서 소재의 수명을 예측하고 불량의 원인을 잡을 수 있듯이 유사한 방법론을 의학기술에도 적용할 수 있을 것으로 생각합니다.

좋은 질문 감사합니다. 인공지능의 발전은 신소재관상학을 비약적으로 발전시킬 것으로 생각합니다. 구조-물성 혹은 물성-구조 상관관계는 신소재공학의 중요한 틀이며, 원하는 물성을 만족시킬 수 있는 구조는 다양하게 존재합니다. 다만, 다양한 구조를 만들 수 있는 공정 장비와 원료를 만들 수 없는 경우가 많아서 제약이 되는 경우가 많습니다. 이를 풀기 위해서 인공지능으로 다양한 구조를 제작할 수 있는 3D 프린터를 설계하고, 원료를 제작할 수 있는 레시피를 제안해서 요구되는 물성을 만족시키는 다양한 구조를 제작할 수 있는 기술 개발이 병행되어야 합니다. 이 역시 인공지능이 로봇공학과 결부해서 발전시킬 수 있기 때문에 앞서 말씀드린 것처럼 신소재관상학을 비약적으로 발전시킬 것으로 기대되고, 말씀하신 것처럼 원하는 물성의 물질을 쉽게 합성 및 제작이 가능할 것으로 보입니다.

좋은 질문 감사드립니다. 우주항공 산업에 사용되는 소재는 상당히 보수적입니다. 이유는 검증되지 않은 소재로 우주선을 제작하는 경우 수천억원의 손실을 볼 수 있고, 잘못하면 사람의 생명도 위험해질 수 있기 때문입니다. 신소재관상학을 활용하면 이런 실패를 미연에 방지할 수 있을 것으로 생각됩니다. 대부분 소재의 파괴는 원자크기의 결함으로부터 시작되는데 이를 빠르고 정확하게 그리고 신뢰성 있게 잡아낼 수 있다면 보수적인 우주항공 산업도 새로운 소재 도입에 더욱 유연한 자세를 갖게 될 것으로 기대됩니다. 이런 조건에서 더욱 큰 무게의 로드(장치와 시설)를 갖고 빠른 속력으로 움직이는 비행기를 만들기 위해서는 고온 및 고압을 견디는 경량소재의 개발이 필요한데, 저차원 소재와 혼합된 복합소재들이 좋은 후보가 될 것 같습니다. 이런 소재들의 구조를 원자 단위에서 벌크 단위까지 다중스케일로 영상화하면서 공정레시피를 개발하면 미래 더 오랜 기간 그리고 더 큰 로드를 싣고 사용할 수 있는 로켓/인공위성 소재를 발굴할 수 있을 것으로 생각합니다.

 좋은 질문 감사합니다. 원자의 크기는 대체로 0.1-0.2 nm입니다. 원자를 보는 것은 가능한 상태인데 전자를 보거나 전자의 이동을 직접 보는 것은 현재는 어렵습니다. 그 이론에는 하이젠베르그의 불확정성 원리도 한 몫 합니다. 보고자하는 입자의 위치 정확성을 높이다 보면 그 입자의 정확한 모멘텀을 측정하기 어려워집니다. 이 모순을 깰 수 있거나, 혹은 이 원리를 뒤집을 수 있는 새로운 원리를 찾아낸다면 말씀하신 영역에서의 설계도 가능할 것으로 생각됩니다.

출처: https://en.wikipedia.org/wiki/Ionic_radius#/media/File:Atomic_&_ionic_radii.svg (1 nm = 1000 pm).


 

좋은 질문 감사드립니다. AI가 스스로 어떤 패턴을 알아내거나 정보를 분류하는 작업하는 것을 비지도학습(unsupervised learning)이라고 하고 있습니다. 현대 과학에서 사용하는 과학적 방법은 측정된 데이터로부터 상관관계(혹은 패턴)를 도출하고, 상관관계를 기반으로 인과관계를 도출하고, 이런 인과관계에 기초한 모델을 수립하는 것입니다. 따라서, 가까운 미래에 AI가 인간의 지도 없이 인간이 생각하지 못했던 물성을 갖는 신소재를 창의적으로 설계할 수 있을 것으로 기대됩니다. 금번 노벨화학상을 받게 된 것도 알파폴드라는 인공지능이 인간보다 정확하게 아미노산 배열을 보고 단백질을 설계할 수 있던 것이 계기가 되었던 것으로 알고 있습니다.

좋은 질문 감사합니다. 말씀하신대로 예측의 불확실성이 존재합니다. 분야마다 그리고 소재의 종류마다 예측의 정확도는 다릅니다. 저희가 목표로 하는 예측도는 대체로 95% 이상입니다. 저희가 배터리 소재의 표면 형상을 보고 이 배터리 소재의 니켈, 망간, 코발트 원소의 함량과 충방전한 정도를 예측한 모델을 개발한 결과 정확도가 99%이상이 나왔습니다. 관련 논문을 참조하실 수 있도록 링크를 공유합니다.
https://www.nature.com/articles/s41524-024-01279-6

좋은 질문 감사드립니다. 현재 신소재관상학과 크게 연관된 산업은 메모리 및 인공지능 산업입니다. 이유는 원자들의 배열이 경쟁력을 좌우하기 때문입니다. 백만개의 원자 중의 하나라도 설계한 대로 만들어지지 않으면 바로 불량이 나는 산업이기 때문에 더욱더 많은 국가와 산업체들이 많은 투자를 하고 있습니다. 그런데, 앞으로는 바이오 특히 뇌질환 관련해서도 신소재관상학이 주목을 받을 것입니다. 알츠하이머의 주범으로 지목되는 베타아밀로이드 내의 전기 분극의 분포를 처음으로 영상화한 논문의 링크를 참조하실 수 있도록 공유합니다.
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202406678

좋은 질문 감사합니다. 말씀하신 것처럼 가격, 안정성이 중요합니다. 그 외의 요인으로는 친환경성, 가공성(특히, 3D 프린터로 프린팅이 되는 재료인가?) 등을 들 수 있을 것 같습니다.

좋은 질문 감사합니다. 재료의 한계라고 하면 보통은 재료 특성의 한계로 이해를 합니다. 한정된 연료를 갖고 멀리 날아가는 로켓을 구성하는 재료의 한계를 극복하려면 밀도가 낮지만 녹는점이 높은 소재를 개발해야 합니다. 재료의 녹는점은 원자와 원자 간의 결합력이 강할수록 올라갑니다. 그런데, 결합력이 높으려면 강의에서 말씀드린 것처럼 전자구름이 큰 원자(무거운 원소)를 사용해야하고, 원자 간 거리가 짧아야합니다. 그러면, 무게가 많이 나가고 부피가 작아져서 밀도가 커지는 모순이 생깁니다. 이런 모순을 풀러면 전에 없던 구조의 소재를 설계해야하는데 이런 설계에 있어서 신소재 관상학이 큰 역할을 할 수 있습니다. 예를 들면, 복합소재(탄소나노튜브가 혹은 탄소파이버가 들어가 있는 철근 혹은 세라믹 소재)가 좋은 후보가 될 수 있고, 메타소재도 좋은 후보가 될 수 있습니다.

신소재관상학에서 사용하는 재료는 기존 재료를 모두 포함합니다. 뿐만아니라, 아직 발견되지 않은 소재도 포함시키는 것이 계획입니다.

신소재 관상학은 주로 관련 전문가들이 주도하고 있었는데요, 최근에 인공지능이 발전하고 연구자들이 인공지능을 활용하면서 급격하게 성장하고 있는 추세입니다. 관련된 뉴스 링크를 아래 첨부합니다.
https://www.lecturernews.com/news/articleView.html?idxno=155581

그리고, 앞으로는 의학영상을 통해서 병을 진단하는 것과 유사하게 소재의 구조를 보고 그 구조의 수명 그리고 개선 방향을 도출할 수 있는 방향으로 발전할 것 같습니다.

현재는 배터리와 메모리 소재에 사용되고 있고, 앞으로 우주/항공 소재, 건축/토목 소재, 자동차/선박 소재, 그리고 바이오/환경 소재에 적용될 것으로 예상됩니다. 실생활에서는 마스크의 구조를 현미경으로 보고 구멍 크기를 확인하면 이 마스크가 진짜 KF94인지 검증할 수 있을 것 같습니다.

좋은 질문 감사합니다. 현재로서 원자가 아닌 물질 중에서는 dark matter(암흑물질, https://ko.wikipedia.org/wiki/암흑물질)이 있습니다. 이 부분은 제 전공이 아니라서 암흑물질에 대한 문의는 카이스트 물리학과의 야니스 교수님게 문의하는 것도 방법이 될 것 같습니다. 우선 원자 내에서만 본다면 양성자, 중성자 그리고 전자가 있는데, 이를 각각 제어하는 것은 현재로서는 매우 도전적이 될 것 같습니다. 우선 전자를 볼 수 있는 방법이 현재로서는 없고, 양성자와 중성자를 떼어내려면 엄청난 에너지가 들어가는데 이를 견딜만한 소재 혹은 이를 제어할 수 있는 장치가 현재로서는 없기 때문입니다. 하지만, 미래의 질문자가 과학자 혹은 공학자가 된다면 이를 풀 수 있을 수도 있다는 생각을 해봅니다.

그림 출처: https://en.wikipedia.org/wiki/IBM_%28atoms%29

위 그림은 IBM이 오래전에 STM이라는 현미경을 사용해서 Xe 원자를 배열한 그림입니다. 밀도 측면에서 원자 하나가 정보의 한 단위로 작동을 하면 스마트 카드에 약 100 TB가 저장될 수 있습니다. 다만, 이렇게 저장된 정보를 빠르고 정확하게 기록하고 읽는 것이 도전적인 과제가 될 것으로 생각됩니다.

신소재 관상학은 요리에도 적용할 수 있을 것 같습니다. 라면의 예를 들겠습니다. 라면의 식감은 라면면발이 부서지는 즉 기계적으로 파괴되는 거동동과 관련이 있고, 이는 면의 단면구조(빈 공간이 얼마나 있는지, 면을 이루는 밀가루 입자의 크기 등)에 영향을 받을 것입니다. 쫄깃쫄깃하게 파괴될 수도 있고 벽돌처럼 급작스럽게 파괴될 수도 있습니다.

구조가 같아도 그 구조를 이루는 원소가 다르면 성질이 다릅니다. 예를 들어, 금과 은은 모두 면심입방(face centered cubic, fcc) 구조를 갖고 잇지만, 밀도 및 열전도도와 같은 물성이 다릅니다. 이는 원자핵 내 양성자 수 그리고 전자 구름의 크기 및 양자수의 차이에 기인한다고 볼 수 있습니다.

좋은 질문 감사합니다. 결론부터 말씀드리면 가능합니다. 신소재 관상학을 통해서 먼저 필요한 소재의 물성으로부터 이를 구현할 수 있는 구조 후보들을 추출합니다. 이 구조 후보들 중에서 현재의 3d 프린터 기술로 제작이 가능한 구조를 선정해서 프린팅하면 원스톱으로 소재 디자인에서 제작까지 가능한 시대가 올 것으로 생각합니다.

AI가 소재의 관상을 보고 운명을 예측하는 시대가 올 것 같습니다. 실제로 AI가 배터리 소재의 입자 형상을 보고 구성 원소의 배합 그리고 충방전된 상태를 예측하는 논문이 최근에 발표되었습니다 (https://www.nature.com/articles/s41524-024-01279-6).

좋은 질문 감사합니다. 양자효과를 활용하는 소자 중에서는 낸드플래쉬가 있습니다. 정보를 기록할 때 전자에 전기장을 가해서 전자가 산화물의 에너지 장벽을 터널링해서 산화물과 질화물 계면에 저장을 합니다. 광학 장치, 특히 QLED TV에 사용되는 InP 나노입자는 양자효과를 활용해서 다양한 색을 발현하기도 합니다. 따라서, 말씀하신 나노스케일에서의 양자효과는 이미 산업체서 활발하게 잘 활용하고 있습니다.

네 맞습니다. 전자 구름이 외부 압력이나 전기장에 의해서 변형이 되면 유전율과 같은 특성이 변합니다. 금속의 경우에는 기계적 강도가 변하기도 합니다. 아인슈타인이 했던 실험에서 광을 쪼여서 전자구름 내에 있는 전자를 방출시키면 전자구름 내의 상호작용이 달라지고 원자는 이온화되어서 화학적 특성도 달라질 수 있습니다.

1. 실제 상황에서는 이보다 훨씬 많은 종류의 기준들, 그리고 복합적으로 연결되는 경우의 수들로 그 특징과 사용처를 판별할 것 같은데,
이에 대해 인공지능을 이용할 가능성이 있을까요? 딥변: 네 , 인공지능을 활용해서 구조와 밀도를 예측하는 연구가 진행되고 있습니다.

2. 다양한 조건들과 그 조합에 따라 달라지는 결과가 나온다는 해당 주제의 문제 환경이 인공지능의 학습 및 활용에 굉장히 적합하게 활용될 수 있을 것 같다는 궁금증이 들었습니다. 혹시 이와 같은 사례가 이미 있는지, 혹시 없다면 관련한 논의 등이 이루어진 적이 있는지 궁금합니다.

답변: 네, 현재 이런 연구가 활발하게 진행되고 있습니다. 하나의 사례로, 배터리 양극재의 합성방법, 양극재 소재의 구조 및 조성 그리고 측정조건 등의 변수와 양극재의 에너지 밀도 간의 상관관계를 인공지능으로 알아내고, 이를 바탕으로 높은 에너지 밀도를 갖는 양극재를 개발하기 위해 공정 레시피를 역설계하는 연구가 진행 중에 있습니다. 다음 논문을 참조하시면 좋을 것 같습니다 (https://www.sciencedirect.com/science/article/pii/S2211285522002956).

좋은 질문 감사합니다. 신소재관상학에서는 모든 재료들을 다룹니다. 특정 기구, 기계, 장치, 구조물 혹은 소자에 필요한 재료를 선정할 때 필요한 스펙들이 있습니다. 예를 들어, 항공 및 우주 소재에서는 우주 환경에 있는 유해한 단원자 산소이온, 고에너지 방사선에 노출되어도 구조를 유지할 수 있는 원자간 결합력이 요구됩니다. 화장품 소재는 몸에 유해하지 않으면서 원하는 색을 발현하고 땀에 녹지 않으면서 세안을 할 때에는 깨끗하게 씻겨져야 하는 물성을 가져야 합니다. 이런 특성을 갖기 위해서 원자와 분자들이 어떤 형태로 공간 상에서 배열되어야 하는지 고민하고 설계해야 합니다. 건축물에 들어가는 건축소재 역시 친환경적이고, 에너지 비용을 줄일 수 있고, 지진에 견딜 수 있는 재료를 필요로 하고 있고, 이런 특성을 만족시키기 위해서 재료를 구성하는 입자들의 크기, 모양 그리고 구성 원소의 배열이 매우 중요합니다.