MIT 재료공학과(DMSE) Ju Li·Elsa Olivetti 교수 연구팀이 결정의 3차원 원자 구조와 자연어 설명을 함께 학습한 멀티모달 AI 모델을 개발했다고 MIT가 10월 18일 발표했다. 연구 결과는 네이처 커뮤니케이션즈(Nature Communications) 논문으로 실렸으며, 모델은 원하는 성질을 문장으로 설명하면 그에 맞는 결정 소재를 찾아내는 과제에서 텍스트만 학습한 모델보다 좋은 결과를 냈다.
핵심 정리
- MIT Ju Li·Elsa Olivetti 교수팀은 결정의 3D 구조와 텍스트 설명을 대조 학습으로 연결한 모델을 Nature Communications에 발표했다.
- 연구팀은 실험 논문과 제1원리 계산 데이터베이스를 바탕으로 AI가 합성한 '소재 서사' 텍스트를 학습 데이터로 썼다.
- 모델은 전고체 리튬이온 배터리 전해질 후보 탐색에서 다른 연구가 독립적으로 유망하다고 본 물질을 상위권에 올렸다.
MIT 결정 구조 AI는 무엇을 하나
MIT 연구팀의 모델은 결정 속 원자 배열과 결합 패턴을 직접 '보고' 이를 언어 설명과 같은 공간에 놓는 비전-언어 모델이다. 학습에 쓴 텍스트는 화학 조성, 구조, 물성, 공정 시 고려 사항, 응용 가능성을 담은 서술형 설명이다. 연구팀은 구조와 설명을 짝지어 가깝게 배치하는 대조 학습(contrastive learning) 방식으로 둘을 정렬했다. 그 결과 모델은 특정 성질을 자연어로 질의하면 해당 성질을 가진 결정 소재를 골라냈고, 비교 기준 모델보다 성능이 높았다고 MIT는 밝혔다.
결정은 지구상 고체 물질의 90% 이상을 차지한다. 그러나 결정 정보는 대규모 언어 모델이 학습하는 글이 아니라 전용 3D 파일 형식으로 저장돼 있어, 텍스트 중심 AI가 구조를 제대로 이해하기 어려웠다. 실험 문헌이 일부 인기 있는 결정 계열에 치우쳐 있다는 점도 AI의 답을 특정 물질 쪽으로 쏠리게 하는 원인이었다.
AI가 만든 설명문으로 학습하면 무엇이 달라지나
연구팀은 논문 원문만으로는 구조와 언어를 연결하기 어렵다는 점을 대조 실험으로 보여 줬다. 한 모델은 AI가 생성한 설명문으로, 다른 모델은 논문 텍스트로만 학습시킨 결과 기하학적 구조와 텍스트를 정렬한 쪽은 앞의 모델뿐이었다. Ju Li 교수는 서사형 데이터셋 덕분에 모델이 소재의 기능을 더 잘 예측하게 됐다고 설명했다. 그는 단백질 구조와 기능을 연결한 구글 딥마인드의 AlphaFold에 이번 연구를 빗댔다.
같은 저자 5명이 2025년 2월 arXiv에 올린 예비 논문은 모델을 CLaC(Contrastive Language-Crystals)로 부르고, 결정 구조-텍스트 쌍 12만6천 개로 학습해 최신 대규모 언어 모델보다 높은 제로샷 성능을 냈다고 적었다. 최종 학술지판의 세부 수치와 모델 명칭이 예비 논문과 같은지는 확인하지 못했다.
한국 연구재단 지원과 앞선 데이터셋
이번 연구는 미국 국방위협감소국(DTRA), 국방고등연구계획국(DARPA)과 함께 한국연구재단(NRF)의 지원을 일부 받았다. 제1저자인 Yang Jeong Park 전 MIT 박사후연구원과 Ju Li 교수는 2024년 10월 학술지 사이언티픽 데이터(Scientific Data)에 소재-자연어 서사 145만3,493건을 담은 데이터셋을 발표한 바 있다. 당시 데이터는 OQMD, Materials Project, JARVIS, AFLOW2 등 4개 제1원리 데이터베이스에서 주기율표 전반에 고르게 분포하도록 소재를 골라 만들었다.
신소재 탐색에 주는 의미와 전망
소재를 구조와 언어로 함께 검색할 수 있게 되면 연구자는 원하는 성질을 문장으로 적어 후보 물질을 좁힐 수 있다. Olivetti 교수는 이번 연구가 분야의 단계적 도약 가운데 하나가 되기를 바란다고 말했고, Ju Li 교수는 소재과학을 다루는 누구에게나 유용할 것이라고 밝혔다. 다만 MIT 발표문은 기준 모델 대비 개선 폭을 수치로 제시하지 않았고, 코드 공개 여부도 언급하지 않았다. AI가 과학적 발견을 앞당길 것이라는 기대는 업계 안팎에서 커지고 있으며, AI의 노벨상급 발견 가능성을 묻는 설문에서도 그 온도 차가 드러났다. 실제 합성과 검증으로 이어지는 성과가 나오는지가 다음 관건이다.
자주 묻는 질문
MIT 결정 구조 AI 모델은 텍스트 AI와 무엇이 다른가?
텍스트만 학습한 모델은 논문 속 문장으로만 소재를 이해한다. MIT 모델은 결정의 3D 원자 배열과 설명문을 함께 학습해, 원자 배치와 결합 패턴까지 고려해 성질에 맞는 소재를 찾는다.
MIT 소재 AI 논문은 어디에 실렸나?
논문 제목은 'Scaling multimodal materials representation learning with synthetic narratives'이며 Nature Communications에 실렸다. MIT는 2026년 10월 18일 이 연구를 발표했다.
이 모델은 배터리 개발에 쓰일 수 있나?
연구팀은 전고체 리튬이온 배터리 전해질 후보를 찾는 시험에서 다른 연구가 유망하다고 지목한 물질을 상위 결과로 찾았다고 밝혔다. 실제 배터리 개발에 쓰이려면 합성과 실험 검증이 더 필요하다.
