당신이 궁극의 로봇을 만들려고 노력하고 있다고 상상해 보세요. 하지만 새로운 부품이 필요할 때마다 당신은 서로 다른 도서관을 방문해야 하고, 다른 언어를 말해야 하며, 사서가 당신의 질문을 이해하기를 바라야만 합니다. 한 도서관에는 세상의 모든 금속 목록이 있지만, 그들은 오직 화학 코드로만 말합니다. 다른 도서관에는 새로운 금속 형태를 꿈꾸는 아주 똑똑한 로봇이 있지만, 첫 번째 도서관과 대화하는 법을 모릅니다. 세 번째 도서관은 금속이 녹을지 혹은 부서질지를 알려줄 수 있지만, 오직 매우 구체적이고 복잡한 방식으로 작성된 질문만을 이해합니다. 이것이 현재 전자 재료를 발견하는 현주소입니다. 과학자들은 차세대 컴퓨터, 휴대폰, 의료 기기를 위한 완벽한 재료를 찾으려 노력하고 있지만, 그들이 사용하는 디지털 도구들은 서로 고립된 격리 구역(silos)에 갇혀 있습니다. 이들은 마치 놀라운 레시피와 재료를 모두 가진 훌륭한 요리사들이지만, 서로 다른 방에 있고, 서로 다른 계량컵을 사용하며, 옆 사람에게 그릇을 전달할 때마다 내용물을 쏟아버리는 것과 같습니다.

당신이 읽게 될 이 논문은 이 엉망진창인 주방 문제를 다룹니다. 이 논문은 EMOS(Electronic Materials Ontology System)라는 새로운 시스템을 소개합니다. EMOS를 '만능 번역기'이자 '마스터 셰프의 주방'이 결합된 것이라고 생각하세요. EMOS는 단순히 재료를 나열하는 것이 아니라, 서로 다른 도서관들 사이에 다리를 놓습니다. EMOS는 모든 재료에 표준 이름표를 부여하고, 한 도구가 "강하다"라고 말할 때 다음 도구가 그 의미를 정확히 알 수 있도록 보장합니다. 이러한 흩어진 도구들을 연결함으로써, EMOS는 연구자들이 커스텀 파이프라인을 구축할 수 있게 해줍니다. 즉, 사람이 일일이 데이터를 복사해서 붙여넣거나 매 단계마다 특수한 코드를 작성할 필요 없이, 컴퓨터가 자동으로 재료를 찾고, 안정성을 확인하고, 실제 장치에서 작동할지 확인할 수 있는 컨베이어 벨트 같은 과정을 만드는 것입니다. 목표는 이 과정을 20년 동안 지속된 느린 작업에서 훨씬 빠른 여정으로 바꾸는 것입니다.

---

디지털 발견의 주방: EMOS를 소개합니다

전자 재료를 찾는 것은 건초더미에서 바늘을 찾는 것과 같습니다. 다만 그 건초더미는 수백만 개의 서로 다른 디지털 데이터베이스로 만들어져 있고, 바늘은 원자로 만들어져 있다는 점이 다릅니다. 현재 과학자들은 어떤 새로운 재료가 적합할지 추측하기 위해 강력한 컴퓨터 모델을 사용하지만, 이 모델들은 종종 서로 다른 언어를 사용합니다. 어떤 데이터베이스는 특성을 "밴드 갭(band gap)"이라고 부르는 반면, 다른 곳은 "에너지 갭(energy gap)"이라고 부르고, 세 번째 곳은 그 수치 자체가 없을 수도 있습니다. 이로 인해 이들의 작업을 결합하는 것은 매우 어렵습니다. "생성기"(새로운 재료를 꿈꾸는 도구)를 "예측기"(재료가 어떻게 행동할지 추측하는 도구)에 바로 연결할 수 없는 이유는 둘이 서로 맞지 않기 때문입니다.

이 논문의 저자들인 에든버러 대학교와 케임브리지 대학교 팀은 EMOS라고 불리는 해결책을 만들었습니다. 그들은 이를 "통합 프레임워크"라고 설명합니다. EMOS를 거대하고 똑똑한 어댑터 플러그라고 상상해 보세요. 당신이 어떤 종류의 소켓(데이터베이스 또는 모델)을 가지고 있더라도, EMOS는 그것에 표준 플러그를 제공하여 어떤 벽에도 꽂힐 수 있게 해줍니다. 이를 통해 연구자들은 다양한 도구를 섞어서 자신만의 커스텀 워크플로우를 만들 수 있습니다. 새로운 아이디어를 테스트하고 싶을 때마다 매번 새로운 코드를 작성하는 대신, 미리 만들어진 블록들을 레고 브릭처럼 조립하여 "재료 찾기"에서 "장치 테스트"까지 이어지는 경로를 구축할 수 있습니다.

구성 요소: IU와 특징(Features)

이것이 작동하게 만들기 위해, 팀은 문제를 두 가지 주요 구성 요소인 **정보 단위(Information Units, IUs)**와 **특징(Features)**으로 나누었습니다.

IU를 주방의 개별 가전제품이라고 생각해 보세요. 어떤 것은 수백만 개의 레시피(재료)를 담고 있는 냉장고(데이터베이스)입니다. 어떤 것은 새로운 레시피를 발명할 수 있는 믹서(생성 모델)입니다. 어떤 것은 레시가 맛있는지 혹은 타버릴지를 알려주는 맛 테스터(물성 예측기)입니다. 과거에는 이러한 가전제품들이 서로 대화할 수 없었습니다. EMOS를 통하면 모든 가전제품이 같은 언어를 사용하게 됩니다. 그들은 모두 표준 "메뉴"(공유된 특성 사전)와 표준 "레시피 카드"(CIF라고 불리는 파일 형식)를 사용하여 정보를 주고받습니다.

**특징(Features)**은 실제 요리 과정입니다. 만약 IU가 단일 가전제품이라면, 특징은 준비 중인 전체 요리입니다. 예를 들어, 하나의 특징은 "안정성 체크"일 수 있는데, 이는 재료 목록을 가져와서 세 명의 서로 다른 맛 테스터를 통과시킨 뒤, 모두가 먹기에 안전하다고 동의한 것들만 남기는 과정입니다. 또 다른 특징은 "장치 설계자"일 수 있는데, 이는 재료를 가져와 트랜지스터 내부에서 어떻게 작동할지를 시뮬레이션합니다. EMOS의 묘미는 이러한 특징들을 서로 연결할 수 있다는 점입니다. "데이터베이스 검색"의 출력을 "안정성 체크"에 직접 입력하고, 그것을 다시 "장치 시뮬레이터"로 연결할 수 있습니다.

인터페이스: 드래그, 드롭, 그리고 발견

EMOS의 가장 멋진 점 중 하나는 사용법이 매우 쉽다는 것입니다. 팀은 비디오 게임이나 플로우차트 제작 도구처럼 보이는 웹 애플리케이션을 구축했습니다.

• 메인 화면: 이는 당신이 단일 도구(데이터베이스나 예측기 등)를 선택하여 단독으로 실행할 수 있는 메뉴와 같습니다.
• 노드 에디터(Node Editor): 이것이 재미있는 부분입니다. 이는 다양한 도구를 화면에 드래그 앤 드롭하고 선으로 연결할 수 있는 시각적 캔버스입니다. "데이터베이스" 박스에서 "필터" 박스로, 그리고 "예측기" 박스로 선을 그을 수 있습니다. 그러면 컴퓨터가 전체 체인을 자동으로 실행합니다.

이 디자인은 과학을 "민주화"하기 위한 것입니다. 당신은 코딩의 귀재가 아니어도 됩니다. 소프트웨어에 대해서는 잘 모르지만 재료에 대해 잘 아는 연구자도 점들을 연결하는 것만으로 복잡한 발견 파이프라인을 구축할 수 있습니다.

EMOS가 빛나는 네 가지 방식 (사례 연구)

저자들은 단순히 도구를 만든 것이 아니라, 그 범용성을 보여주기 위해 네 가지 다른 "미션"으로 테스트를 진행했습니다.

1. 위대한 재료 탐색 (데이터베이스 추출)
특정한 종류의 금속이면서 특정 강도를 가지고 고온을 견딜 수 있는 재료를 찾아야 한다고 상상해 보세요. 보통은 다섯 개의 서로 다른 웹사이트를 검색하고, 다섯 개의 서로 다른 스프레드시트를 다운로드하여 이를 병합하려고 시도해야 합니다. EMOS를 사용하면 요구 사항을 한 번만 입력하면 됩니다. 시스템은 175만 개 이상의 화합물을 보유한 6개의 서로 다른 데이터베이스를 동시에 검색합니다.

• 결과: 그들은 태양 전지나 UV 검출기용 재료를 찾는 것과 같은 다섯 가지 시나리오를 테스트했습니다. 한 테스트에서는 단 19초 만에 UV 검출기 후보 160개를 찾아냈습니다. 또 다른 테스트에서는 약 2분 만에 열 재료 후보 96개를 찾아냈습니다. 이는 몇 시간의 수동 검색을 빠른 클릭 한 번으로 바꾸어 놓았습니다.

2. 중복 탐지기 (구조적 유사성)
때때로 서로 다른 데이터베이스가 동일한 재료를 다른 이름이나 약간 다른 파일 형식으로 나열하기도 합니다. 이는 과학자들이 같은 것을 두 번 분석하게 만들어 시간을 낭비하게 합니다.

• 결과: 팀은 EMOS를 사용하여 세 개의 서로 다른 데이터베이스에서 온 산화아연(ZnO)에 대한 68개의 파일을 조사했습니다. 원자의 모양을 비교하는 특별한 수학적 기법을 사용하여, 시스템은 많은 파일이 실제로 동일한 구조임을 알아냈습니다. 이는 68개의 혼란스러운 항목을 단 7개의 고유한 항목으로 줄였습니다. 이는 마치 사서가 선반 위의 책 세 권이 겉표지만 다를 뿐 사실은 같은 이야기라는 것을 깨닫는 것과 같습니다.

3. 합의 위원회 (안정성 스크리닝)
과학자들이 재료가 안정적인지(부서지지 않는지) 예측할 때, 종종 서로 다른 컴퓨터 모델을 사용합니다. 때로는 모델 A는 "안정적"이라고 하고, 모델 B는 "불안정함"이라고 합니다. 누구를 믿어야 할까요?

• 결과: 팀은 이전의 AI 모델이 안정적이라고 했던 53개의 재료를 가져와 EMOS로 검증했습니다. 그들은 두 개의 큰 데이터베이스와 두 개의 고급 AI 예측기, 총 네 가지 소스를 통해 확인했습니다. 시스템은 이 네 가지 소스 모두가 안정적이라고 동의한 재료가 28개임을 찾아냈습니다. 이러한 "합의(consensus)"는 과학자들에게 훨씬 높은 신뢰를 줍니다. 이는 네 명의 전문가에게 조언을 구하는 것과 같습니다. 만약 그들 모두가 "예"라고 한다면, 당신은 아마도 올바른 길을 가고 있는 것입니다.

4. 트랜지스터 빌더 (MOSFET 채널 스크리닝)
이것은 대미를 장식하는 단계였습니다. 팀은 칩 내부의 스위치 역할을 하는 트랜지스터(전기를 켜고 끄는 장치)의 "채널"로 사용할 재료를 찾고자 했습니다. 이는 재료가 안정적이어야 하고, 만들기 쉬워야 하며, 실제 장치에서 잘 작동해야 하므로 매우 복잡한 작업입니다.

• 결결과: 그들은 EMOS에서 5단계 파이프라인을 구축했습니다:
  1. 검색: 두 개의 데이터베이스에서 783개의 후보를 찾았습니다.
  2. 필터링: 빠른 AI 모델을 사용하여 후보를 36개로 좁혔습니다.
  3. 안정성 체크: 정밀한 물리 시뮬레이션을 실행하여 원자들이 분해되지 않는지 확인하여 8개의 후보를 남겼습니다.
  4. 합성 체크: AI에게 인간이 실험실에서 이 재료들을 실제로 만들 수 있는지 물어보았고, 그 결과 PbI2(요오드화 납)와 VO2(이산화바나듐) 두 가지를 남겼습니다.
  5. 장치 테스트: 이 두 재료가 실제 트랜지스터에서 어떻게 작동하는지 시뮬레이션했습니다. 둘 다 우수한 성능을 보였으며, 특히 VO2는 매우 강력한 스위칭 비율을, PbI2는 높은 전류를 보여주었습니다.
     이 모든 과정은 수 주간의 수동 작업과 코딩 없이 단 하나의 자동화된 워크플로우로 완료되었습니다.

무엇이 기다리고 있는가?

논문은 이것이 시작일 뿐이라는 점을 분명히 하고 있습니다. 현재 버전의 EMOS는 컴퓨터 상에서 존재하는 "디지털 발견" 도구입니다. 저자들은 궁극적으로 화학 물질을 섞고 재료를 자동으로 테스트하는 실제 실험실의 "자율 주행 실험실(self-driving laboratories)"과 연결되기를 희망합니다. 또한, "태양 전지를 위한 저렴하고 안정적인 재료를 찾아줘"라고 입력하면 시스템이 스스로 파이프라인을 구축하는 "자연어" 기능을 추가하고 싶어 합니다.

그들은 또한 한계점도 인정합니다. 현재 시스템은 고체 결정질 재료(휴대폰에 들어가는 것과 같은)에는 뛰어나지만, 무정형 재료(유리나 젤과 같은)에는 어려움을 겪습니다. 또한 시스템은 누구나 새로운 도구를 추가할 수 있도록 개방되어 있지만, 시스템이 성장하기 위해서는 더 많은 사람들이 이러한 도구들을 기여해 주어야 합니다.

핵심 요약

이 논문은 미래를 위한 "완벽한 재료"를 찾았다고 주장하는 것이 아닙니다. 대신, 그들을 찾기 위한 완벽한 도구 상자를 만들었다고 주장합니다. 전자 재료 발견의 파편화된 세계를 통합함으로써, EMOS는 혼란스럽고 수동적이며 오류가 잦은 과정을 효율적이고 자동화되며 협력적인 과정으로 바꿉니다. 이는 미래의 재료 과학이 단순히 더 똑똑한 알고리즘에 관한 것이 아니라, 그것들을 연결하는 더 나은 방법에 관한 것임을 시사합니다. 지난 10년이 개별적인 도구들을 만드는 시대였다면, 이 논문은 다음 10년이 그 도구들 사이의 다리를 놓는 시대가 될 것임을 암시합니다.