“신소재 개발 속도 혁신”…한양대, 로컬 LLM 기반 예측 기술 개발

AI 요약

한양대 김경학 교수 연구팀은 생성형 AI인 대규모 언어 모델(LLM)을 활용해 약 32만 개의 무기 화합물 데이터를 학습시킨 도메인 특화 로컬 LLM을 개발해 고엔트로피 소재(HEM)의 합성 가능성을 85% 이상 정확도로 예측하도록 했습니다. 해당 모델은 오픈소스 기반 로컬 LLM을 미세조정해 GPT-4·Gemini·Claude보다 소재 분야 예측 성능이 우수하고 4비트 양자화로 VRAM 15GB 미만의 개인용 그래픽카드에서도 작동해 외부 서버 전송 없이 데이터 주권을 확보한다고 설명했습니다. 연구팀은 AI 추천 소재를 실험 결과로 재학습시키는 폐쇄 루프 워크플로우와 실패 데이터 활용으로 예측력을 강화하는 방안을 제시했으며, 연구 결과는 2026년 4월 npj Computational Materials에 게재됐고 윤영준이 제1저자, 김경학이 교신저자로 참여했습니다.