NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science

NIMS-OS 는 NAREE 와 같은 로봇 실험 시스템과 다양한 AI 알고리즘을 통합하여 전해질과 같은 새로운 물질을 자동으로 발견할 수 있도록 하는 오픈소스 Python 라이브러리 및 GUI 애플리케이션으로, 완전 자동화된 폐루프 물질 탐색을 가능하게 합니다.

핵심

케이크를 위한 완벽한 레시피를 찾으려 한다고 상상해 보세요. 하지만 부엌 대신 4,000 가지의 서로 다른 재료 조합으로 이루어진 거대한 도서관이 있다고 가정해 봅시다. 인간 셰프는 몇 가지를 맛보고, 무엇이 작동할지 추측한 뒤 다시 시도할 수 있지만, 절대적으로 가장 좋은 것을 찾는 데는 수년이 걸릴 것입니다.

이제, 절대 잠들지 않고, 절대 피로하지 않으며, 절대 실수를 하지 않는 초지능 로봇 셰프와 천재 음식 평론가를 상상해 보세요. 이것이 바로 "NIMS-OS"라는 논문이 설명하는 바입니다. 다만 케이크 대신 새로운 재료 (더 나은 배터리 전해액 등) 를 발견하는 데 적용된다는 점이 다릅니다.

이 시스템이 작동하는 방식을 간단히 설명해 드리겠습니다:

문제: "건초더미 속의 바늘"

재료 과학에서 과학자들은 배터리 성능을 향상시키는 것과 같은 목적을 위해 화학 물질의 최적 조합을 찾고자 합니다. 가능한 조합이 너무 많기 때문에 모든 것을 수동으로 테스트하는 것은 불가능합니다. 이는 산만한 크기의 건초더미 속에서 특정 바늘을 찾는 것과 같습니다.

해결책: NIMS-OS (지휘자)

저자들은 NIMS-OS(NIMS Orchestration System) 라는 소프트웨어 시스템을 구축했습니다. 이 소프트웨어를 오케스트라의 지휘자로 생각하세요.

• 연주자들: 다양한 "AI 알고리즘"(스마트 평론가) 과 "로봇 팔"(로봇 셰프) 이 있습니다.
• 지휘자: NIMS-OS 는 AI 에게 언제 제안을 해야 하는지, 로봇에게 언제 화학 물질을 혼합해야 하는지 지시합니다. 이는 인간이 버튼을 누르지 않아도 두 요소가 완벽한 루프를 이루어 함께 작동하도록 연결합니다.

루프의 작동 방식 (3 단계 춤)

이 시스템은 "뜨겁고 차가운" 게임처럼 지속적인 사이클로 실행됩니다:

1. 추측 (AI): AI 는 모든 가능한 화학 레시피 목록 ("후보 파일") 을 살펴봅니다. 지금까지 학습한 내용을 바탕으로 다음에 시도해 볼 가장 유망한 레시피를 선택합니다.
   • 비유: AI 는 "수사에 따르면 범인은 이 동네에 있을 가능성이 높습니다. 먼저 이 세 채의 집을 확인합시다"라고 말하는 형사와 같습니다.
2. 행동 (로봇): 소프트웨어는 로봇에 신호를 보냅니다. 로봇은 자동으로 화학 물질을 혼합하여 테스트 셀에 넣고 실험을 수행합니다.
   • 비유: 로봇은 실제로 집으로 가서 문을 두드리는 형사의 파트너입니다.
3. 결과 (업데이트): 로봇이 테스트를 마치고 데이터를 반환합니다. 소프트웨어는 목록을 업데이트하여 어떤 레시피가 잘 작동했고 어떤 것이 그렇지 않았는지 표시합니다. 그런 다음 AI 는 새로운 데이터를 분석하고 다음에 시도할 가장 좋은 추측을 선택합니다.
   • 비유: 파트너가 돌아와 "A 집은 비어 있었지만 B 집에는 단서가 있었습니다!"라고 말합니다. 형사는 그 새로운 정보를 바탕으로 다음에 확인할 집을 선택합니다.

도구상자의 도구들

논문은 NIMS-OS 가 유연하다고 설명합니다. 오케스트라의 "연주자들"을 교체할 수 있습니다:

• 다른 AI 두뇌: 다양한 유형의 AI 논리를 사용할 수 있습니다. 어떤 것은 절대적인 최적점 (베이지안 최적화) 을 찾는 데 능하고, 어떤 것은 알려지지 않은 낯선 영역을 탐색하는 데 (Boundless Exploration) 능하며, 어떤 것은 전체 지형도 (상도) 를 매핑하는 데 능합니다.
• 다른 로봇 손: 다양한 로봇을 연결할 수 있습니다. 저자들은 액체를 혼합하고 배터리 전해액을 자동으로 테스트하도록 설계된 NAREE라는 특정 시스템으로 이를 테스트했습니다.

현실 세계 테스트: 배터리 사냥

작동이 입증되도록 팀은 NIMS-OS 를 사용하여 리튬금속 배터리를 위한 더 나은 전해액(배터리 내부의 액체) 을 찾기 위해 사냥을 벌였습니다.

• 설정: 그들은 16 가지의 서로 다른 화학 첨가제 중에서 선택할 수 있었습니다. 5 가지 첨가제의 최적 혼합물을 찾고자 했습니다.
• 과정:
  1. 먼저, 로봇은 시작 데이터를 얻기 위해 무작위로 32 가지 혼합물을 시도했습니다 (무작위 케이크 몇 가지를 맛보는 것과 같습니다).
  2. 그다음 AI 가 주도권을 잡았습니다. AI 는 결과를 분석하고 로봇에게 다음에 정확히 어떤 32 가지 혼합물을 시도해야 하는지 지시했습니다.
  3. 이는 인간이 아무것도 건드리지 않은 채 10 시간 내내 자동으로 진행되었습니다.
• 결과: 7 번째 테스트 라운드까지 시스템은 다른 것들보다 훨씬 성능이 뛰어난 레시피를 발견했습니다. 이는 VC 와 FEC 와 같은 특정 화학 물질을 포함한 혼합물이 가장 잘 작동한다는 것을 발견했는데, 이는 인간 전문가들이 이미 알고 있던 내용과 일치하지만 로봇이 훨씬 더 빠르게 그리고 피로 없이 찾아냈습니다.

왜 이것이 중요한가

논문은 가장 큰 혁신이 로봇이나 AI 그 자체만이 아니라, 이 둘을 연결하는 소프트웨어에 있다고 주장합니다.

• 표준화: 이전에는 모든 연구실이 특정 로봇을 특정 AI 에 연결하기 위해 자체 커스텀 코드를 작성해야 했습니다. NIMS-OS 는 보편적인 "플러그 앤 플레이" 시스템을 제공합니다.
• 인간 실수 제거: 루프가 폐쇄되어 있기 때문에 로봇은 피로하지 않고 AI 는 산만해지지 않습니다. 작업이 완료될 때까지 계속 최적화합니다.

요약하자면, NIMS-OS 는 컴퓨터 두뇌가 로봇 몸체와 대화할 수 있게 해주는 보편적인 리모컨으로,让它们이 스스로 24 시간 내내 새로운 재료를 발견할 수 있게 합니다.

기술 요약

"재료 과학에서 인공지능과 로봇 실험 간의 폐쇄 루프를 구현하는 자동화 소프트웨어인 NIMS-OS"에 대한 상세한 기술적 요약은 다음과 같습니다.

1. 문제 제기

인공지능 (AI) 과 로봇 실험의 통합은 자동화된 재료 탐색을 가속화하는 데 필수적입니다. AI 알고리즘 (예: 베이지안 최적화) 과 로봇 하드웨어 모두에서 상당한 진전이 이루어졌지만, 주요 병목 현상이 여전히 존재합니다: 범용 제어 소프트웨어 시스템의 부재.

• 현재의 한계: 기존 제어 시스템은 일반적으로 "사례별 (case-by-case)"로 개발되어 특정 AI 알고리즘과 특정 로봇 하드웨어가 긴밀하게 결합되어 있습니다. 이로 인해 전체 제어 논리를 다시 작성하지 않고는 알고리즘이나 하드웨어를 교체하기 어렵습니다.
• 필요성: 다양한 AI 모델과 여러 로봇 실험 설정 간의 폐쇄 루프를 인간 개입 없이 생성할 수 있는 모듈식 표준화 오케스트레이션 시스템이 필요합니다. 이를 통해 진정한 자율적 재료 발견이 가능해집니다.

2. 방법론: NIMS-OS 아키텍처

저자들은 AI 알고리즘을 로봇 시스템에서 분리하는 모듈식 아키텍처를 통해 범용 미들웨어로 작동하도록 설계된 Python 기반 라이브러리인 NIMS-OS(NIMS Orchestration System) 를 개발했습니다.

핵심 워크플로우

이 시스템은 다음 세 가지 주요 단계로 구성된 폐쇄 루프에서 작동합니다:

1. 선택 (AI): AI 모듈이 사전 정의된 "후보 파일 (candidates file)"(검색 공간) 에서 유망한 실험 조건을 선택합니다.
2. 실행 (로봇): 시스템이 로봇 시스템을 위한 입력 파일을 생성하고 실험을 시작합니다.
3. 분석 및 업데이트: 시스템은 실험 출력을 분석하여 목적 함수 값을 추출하고, 다음 반복을 위한 새로운 데이터를 반영하도록 후보 파일을 업데이트합니다.

주요 구성 요소

• 후보 파일 (Candidates File): 재료 검색 공간 (예: 조성, 공정 매개변수) 을 정의하는 CSV 파일입니다. 이 파일에는 입력을 위한 설명자 (descriptors) 열과 출력을 위한 목적 함수 값 열이 포함되어 있으며, 실험이 진행됨에 따라 초기에는 비어 있다가 채워집니다.
• AI 모듈 (단계 1): NIMS-OS 는 다양한 알고리즘에 대한 표준 인터페이스를 구현합니다:
  • PHYSBO: 가우시안 프로세스 회귀와 톰프슨 샘플링을 사용한 베이지안 최적화 (BO) 로, 다목적 최적화를 수행합니다.
  • BLOX: 경계 없는 목적 함수 없는 탐색 (Boundless Objective-Free Exploration) 으로, 스타인 불일치 (Stein discrepancy) 를 사용하여 "호기심 있는" 재료를 찾고 목적 함수 공간에서 균일한 샘플링을 보장합니다.
  • PDC: 활성 학습 (불확실성 샘플링) 을 사용한 상도 (Phase Diagram) 구축으로, 최소한의 실험으로 상 경계를 매핑합니다.
  • RE: 초기 데이터 생성 또는 기준선 (baseline) 으로 사용되는 무작위 탐색입니다.
• 로봇 모듈 (단계 2 및 3):
  • STAN: 로봇 워크플로우 (입력 파일 생성, 시작 신호 전송, 완료 대기, 출력 파일 읽기) 를 시뮬레이션하는 참조 (가상) 모듈입니다. 이를 통해 물리적 하드웨어 없이 소프트웨어 테스트가 가능합니다.
  • NAREE: NIMS 자동화 로봇 전기화학 실험 시스템을 위한 특정 모듈로, 액체 취급 디스펜서, 전기화학 측정 장치, 그리고 고처리량 전해질 선별을 위한 로봇 팔을 포함합니다.
• 시각화: 최적화 이력, 목적 함수 분포, 상도 등을 실시간으로 플롯할 수 있는 내장 도구 (nimsos.visualization) 가 포함되어 있습니다.

3. 주요 기여

• 범용 오케스트레이션 시스템: NIMS-OS 는 모듈만 교체하면 어떤 AI 알고리즘이든 어떤 로봇 시스템도 제어할 수 있는 표준화된 인터페이스를 제공하는 최초의 소프트웨어입니다. 이는 상호 운용성을 촉진하고 새로운 자동화 실험실 개발 시간을 단축합니다.
• 표준화: 저자들은 AI 알고리즘과 로봇 시스템을 위한 표준 입출력 형식을 확립했습니다. 이를 통해 새로운 알고리즘을 기존 하드웨어에서 즉시 테스트할 수 있고 그 반대의 경우도 가능합니다.
• 이중 인터페이스: 이 시스템은 개발자를 위한 Python 라이브러리와 비프로그래머의 편의를 위한 GUI 애플리케이션으로 제공됩니다.
• 확장성: 모듈식 설계는 새로운 AI 전략이나 로봇 하드웨어의 추가를 용이하게 하여 생태계 확장을 지원합니다.

4. 실험 결과

시스템의 유효성을 입증하기 위해 저자들은 NAREE 시스템을 사용하여 리튬 금속 배터리용 다성분 전해질의 자율 탐색을 수행했습니다.

• 설정:
  • 검색 공간: 16 가지 화합물에서 선택된 5 가지 첨가제의 조합 (4,368 가지 가능한 조합).
  • 목적: 방전 시간 최대화 (배터리 용량의 대리 지표).
  • 하드웨어: 마이크로플레이트당 32 개의 병렬 실험 수행.
• 과정:
  • 사이클 1: 초기 데이터 생성을 위해 무작위 탐색 (RE) 을 사용했습니다.
  • 사이클 2~12: 베이지안 최적화 (PHYSBO) 를 사용하여 더 나은 후보를 반복적으로 선택했습니다.
  • 기간: 시스템은 12 사이클에 걸쳐 384 회 실험을 완료하는 동안 10 시간 동안 인간 개입 없이 완전히 자율적으로 운영되었습니다.
• 결과:
  • 최적 전해질 조성은 7 번째 사이클에서 식별되었습니다.
  • 최고 결과: 100 mM LiPF6, 100 mM LiTFSI, 2 vol.% PC, 2 vol.% FEC, 2 vol.% VC 를 포함하는 조성은 1439.09 초의 방전 시간을 달성했습니다 (이론적 최대치인 1800 초에 근접).
  • 검증: 상위 10 개 결과에는 비닐렌 카보네이트 (VC) 와/또는 플루오로에틸렌 카보네이트 (FEC) 가 일관되게 포함되어 있어, 리튬 금속 전극에 대한 이들의 긍정적 효과에 관한 기존 도메인 지식과 부합했습니다.

5. 의의 및 향후 전망

• 탐색 가속화: NIMS-OS 는 가설 생성 및 테스트 사이클을 자동화함으로써 고성능 재료를 발견하는 데 필요한 시간을 크게 단축할 수 있는 폐쇄 루프 시스템을 보여줍니다.
• 기술 표준: 공통 프레임워크를 확립함으로써 NIMS-OS 는 자동화 실험실 구축의 진입 장벽을 낮추어, 재료 과학 분야에서 로봇 기술의 비용 절감 및 채택 증가로 이어질 수 있습니다.
• 향후 방향: 저자들은 라이브러리에 더 많은 AI 알고리즘과 로봇 모듈을 추가할 계획입니다. 또한 자율 시스템이 생성하는 방대한 양의 데이터를 처리할 수 있는 향상된 데이터 관리 기능의 필요성을 강조하며, NIMS-OS 를 재료 과학의 디지털 전환 (DX) 을 위한 핵심 도구로 위치시키고 있습니다.

결론적으로, NIMS-OS 는 자동화된 재료 발견을 위해 AI 의사 결정과 로봇 실행을 원활하게 통합하는 데 필요한 소프트웨어 인프라를 제공함으로써 "자율 주행 실험실 (self-driving lab)" 패러다임으로 나아가는 중요한 걸음을 의미합니다.