Agentic inverse design of spatially programmed materials

재료 과학자들은 오랫동안 고체의 내부 구조를 함께 혼합된 화학적 성분과 제조 과정에서 가해진 열 또는 압력에 의해 결정되는 고정된 풍경으로 취급해 왔다. 그들은 조성(composition)을 바꾸거나 자기장과 같은 외부 힘을 가함으로써 재료의 특성을 조절할 수 있지만, 재료의 내부로 직접 특정하고 맞춤화된 패턴을 써넣는 데에는 어려움을 겪어 왔다. 돌 블록의 표면을 깨뜨리지 않고 독특한 디자인을 새기는 것을 상상해 보라. 지난 수십 년간 이는 거의 불가능에 가까웠는데, 이는 내부에서 외부로 물질을 성형하는 도구들이 무디고 부정확했기 때문이다. "공간적으로 프로그래밍 가능한 재료(spatally programmed materials)"의 목표는 원자나 결함을 의도적인 3차원 패턴으로 배열함으로써 이를 극복하는 것이며, 이를 통해 재료의 깊이를 색상이나 경도처럼 하나의 설계 변수로 만드는 것이다. 이러한 접근 방식은 균일한 재료가 할 수 없는 방식으로 빛이나 전기를 유도하는 것과 같은 새로운 물리적 거동을 열어줄 것을 약속하지만, 이러한 구조를 만드는 경로은 그것들을 정확히 어떻게 구축할 것인가라는 어려운 문제에 가로막혀 있었다.

문제는 원하는 디자인과 그것을 달성하기 위해 필요한 물리적 단계 사이의 간극에 있다. 특정 내부 패턴을 만들기 위해 연구자는 이온 빔을 대상에 발사하는 것과 같은 일련의 행동을 선택해야 하지만, 그러한 행동의 결과를 예측하는 것은 복잡하다. 전통적으로 인간 전문가가 적절한 빔 에너지, 각도, 지속 시간의 조합을 추측하고, 결과를 확인하기 위해 컴퓨터 시뮬레이션을 실행한 다음, 결과가 잘못되었다면 다시 추측해야 했다. 이 시행착오의 루프는 느리고 인간의 직관에 크게 의존한다. 최근 연구에서 매사추세츠 공과대학교(MIT)의 연구진은 인공지능 에이전트가 스스로 이 루프를 닫을 수 있음을 보여주었다. 대규모 언어 모델을 물리 시뮬레이터와 연결함으로써, 그들은 연구자가 모든 움직임을 안내할 필요 없이 원하는 내부 패턴을 보고 이를 구축하는 데 필요한 정확한 단계의 순서를 자동으로 파악할 수 있는 시스템을 만들었다.

연구진은 이 시스템을 이온 주입(ion implantation) 기술을 사용하여 테스트했다. 이 기술은 하전된 원자의 빔을 재료에 발사하여 그 특성을 변화시키는 방식이다. 연구진은 AI 에이전트에게 간단한 목표를 주었다: 고체 내부에 이온이나 빈 공간의 특정 깊이 프로파일을 생성하는 것이다. 한 실험에서 연구진은 원하는 패턴의 대략적인 스케치를 손으로 그렸다. 이는 고원이 되었다가 계단식으로 올라갔다가 다시 평탄해지는 형태였다. 연구진은 이 스케치를 에이전트에게 전달했다. 에이전트는 먼저 그림을 디지털 타겟으로 변환한 다음 계획을 세우기 시작했다. 에이전트는 이온의 종류로 이 경우 비스무트(bismuth)를, 대상 재료로 실리콘(silicon)을 선택했다. 그런 다음 에이전트는 서로 다른 에너지를 가진 이온들이 실리콘을 어떻게 통과하는지 보기 위해 물리 시뮬레이션을 실행했다. 에이전트는 단일 빔 에너지로는 패턴 내에 작고 국소적인 돌출부만을 만들 수 있다는 점을 깨달았다. 전체 형상을 채우기 위해서는 다양한 빔 에너지를 결합해야 했다.

에이전트는 반복 작업을 시작했다. 에이전트는 에너지 세트를 선택하고 시뮬레이션을 실행한 뒤 그 결과를 타겟 스케치와 비교했다. 시뮬레이션이 부족한 부분이 있으면 에이전트는 새로운 에너지를 추가하거나 기존의 에너지를 조정했다. 에이전트는 시뮬레이션된 패턴이 손으로 그린 타겟과 높은 정밀도로 일치할 때까지 이 과정을 반복하며 계획을 정교화했다. 결국 에이전트는 형태를 재현하기 위해 2.0에서 1억 9,580만 전자볼트에 이르는 28개의 서로 다른 에너지 수준으로 이온을 발사해야 한다는 것을 결정했다. 최종 결과는 오차가 8% 미만이었으며, 이는 인간 전문가가 수 시간 동안 수동 계산과 조정을 거쳐야 달성할 수 있는 수준의 정확도였다.

시스템은 더 복잡한 설계에서도 동일한 능력을 입증했다. 연구진은 에이전트에게 반복되는 정점과 골(peaks and valleys)의 패턴인 "초격자(superlattice)"와, 정점 사이의 간격이 특정의 비반복적인 방식으로 변하는 수학적 수열을 따르는 "피보나치 초격자(Fibonacci superlattice)"를 만들라고 요청했다. 반복 패턴의 경우, 에이전트는 다섯 개의 정점을 정확히 5 마이크로미터 간격으로 배치하는 데 성공했다. 피보나치 패턴의 경우, 에이전트는 패턴이 재료 내부로 더 깊어지더라도 고유한 질서를 유지하면서 수학적 비율을 따르도록 정점을 배치했다. 에이전트는 또한 다른 종류의 도전 과제, 즉 이온을 추가하는 것이 아니라 특정 패턴의 손상 또는 공공(vacancies)을 만드는 문제를 다루었다. 에이전트는 실리콘과 게르마늄이라는 두 가지 서로 다른 재료 사이의 경계면에 걸쳐 빈 공간의 구배(gradient)를 만드는 레시피를 성공적으로 설계했으며, 이를 통해 이온이 어디에 착륙하는지뿐만 아니라 이들이 남기는 손상까지 제어할 수 있음을 보여주었다.

가장 실용적인 테스트 중 하나는 실험실 장비의 실제 한계를 다룬 것이었다. 실제 가속기에는 최대 에너지 제한이 있어, 기계가 특정 속도보다 빠르게 이온을 발사할 수 없다. 연구진은 에이전트에게 이 제한보다 더 깊은 곳까지 확장되는 패턴을 설계하도록 요청했다. 에이전트는 실패하거나 제약을 무시하는 대신 적응했다. 에이 much는 타겟의 가장 깊은 부분까지 도달할 수 없다는 것을 깨닫고, 도달 가능한 섹션에 노력을 집중했다. 그런 다음 에이전트는 자신의 이산적인 에너지 단계 목록을 단일하고 매끄러운 변화 에너지 램프(ramp)로 변환했는데, 이는 인간 운영자가 빔을 저에너지에서 고에너지로 연속적으로 훑을 수 있도록 하는 계획이었다. 이는 에이전트가 추상적인 퍼즐을 풀 수 있을 뿐만 아니라 실제 기계를 위한 실행 가능한 지침을 생성할 수 있음을 입증했다.

연구진은 또한 재료의 깊이 속에 "MIT"라는 글자를 쓰게 함으로써 시스템을 극한까지 밀어붙였다. 에이전트는 측면에서 보았을 때 원자의 농도가 글자의 모양을 형성하도록 이온을 어떻게 배치해야 하는지 알아내야 했다. 에이전트는 "M"과 "I"를 명확하게 쓰는 데 성공했지만, "T"는 흐릿하게 남았다. 이 실패는 에이전트의 결함이 아니라 물리학의 근본적인 한계 때문이었다. 이온은 이동하면서 약간 퍼지는 현상인 '스트래글링(straggling)'을 겪으며, 이는 특정 깊이에서 날카로운 가장자리를 흐리게 만든다. 에이전트는 이러한 물리적 실체를 존중했으며, 이는 자신이 조작하려는 자연의 법칙을 이해하고 있음을 보여준다.

이 연구는 재료를 설계하는 방식의 변화를 의미한다. 인간이 구조를 구축하기 위한 단계를 추측하는 대신, AI 에이전트는 시각적 또는 수학적 아이디어를 직접 물리적 레시피로 번역하는 가교 역할을 한다. 이 시스템은 새로운 물리학을 발명하는 것이 아니라, 방대한 가능한 조합의 공간을 인간보다 훨씬 빠르게 탐색하기 위해 확립된 시뮬레이션 도구를 사용한다. 역설계(inverse design) 과정을 자동화함으로써, 연구진은 재료의 공간적 구조가 프로그래밍 가능한 변수가 될 수 있음을 보여주었다. 이는 맞춤형 내부 구조를 가진 재료를 만드는 길을 열어주며, 잠재적으로 새로운 유형의 전자 장치, 방사선 내성 부품, 또는 이전에 본 적 없는 특성을 가진 양자 재료를 탄생시킬 수 있다. 최소한의 인간 개입으로 복잡하고 다단계적인 과업을 처리하는 에이전트의 능력은, 재료의 설계가 계산의 어려움이 아니라 설계자의 상상력과 물리학의 법칙에 의해서만 제한되는 미래를 암시한다.