까다로운 태양전지 개발…“AI로 소재 탐색 땐 3개월서 1주일로 단축 가능” 작성일 04-22 38 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">KAIST-화학연, 자체개발 AI 모델에 학습 <br>2028년까지 데이터 10만건 축적<br>공정서 미세한 차이로 성능 갈려<br>고품질·균질화 ‘AI 모델링’ 필수<br>추후 로봇팔 도입…재현성 증대도</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="VjZ8Q9CEhP"> <figure class="figure_frm origin_fig" contents-hash="a716947cc1c5d5f310ad0073dd7f17d96cd863d535cf16c8bc1672547a045cff" dmcf-pid="fA56x2hDy6" dmcf-ptype="figure"> <p class="link_figure"><img alt="KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/22/seouleconomy/20260422181210660kgdv.png" data-org-width="1200" dmcf-mid="2pilTsfzWQ" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/22/seouleconomy/20260422181210660kgdv.png" width="658"></p> <figcaption class="txt_caption default_figure"> KAIST 제공 </figcaption> </figure> <p contents-hash="450d526317b26faeca5193e6f499a2962d74aac973514e37cd561a61b931057b" dmcf-pid="4c1PMVlwv8" dmcf-ptype="general">전 세계 페로브스카이트 태양전지 시장의 주도권을 선점하기 위한 기술 경쟁이 치열한 가운데 승패는 ‘인공지능(AI) 기반 실험 데이터’ 활용력에 달렸다는 전망이 나오고 있다. 소재 개발부터 복잡한 공정 절차까지 단계별 미세한 차이만으로 성능이 갈리는 페로브스카이트 태양전지를 고품질화·균질화하려면 ‘AI 모델링’이 필수적이라는 평가다.</p> <p contents-hash="ba06c0db6e45cdbdc0779916146d5771de6a364ea96188cfcff005f309011e4f" dmcf-pid="8ktQRfSrl4" dmcf-ptype="general">22일 한국과학기술원(KAIST)에 따르면 서장원 교수가 주관하는 ‘광에너지 변환 화학 소재 허브 구축 및 AI 활용 소재-소자 기술 개발(2024~2028년)’ 연구 프로젝트는 올해로 사업 중반부에 접어들었다. 골자는 한국화학연구원 등과 함께 페로브스카이트 태양전지 실험 데이터 수만 건을 온라인 플랫폼(Chem-DX, Solar Cell)에 축적하고 이를 자체 개발 AI 모델에 학습시키는 것이다.</p> <p contents-hash="2439f1dd3d8f1472d2ff853948a6e88a0601963606f5a2ebd4dde5431de4fae8" dmcf-pid="6EFxe4vmhf" dmcf-ptype="general">실시간으로 쌓이는 실험 데이터를 학습한 AI 예측 모델은 각 공정 핵심 인자의 특성을 종합적으로 고려해 가장 우수할 것으로 예상되는 물질 조합 및 공정 조건을 추천한다. 이를 통해 전기차·드론 등 미래 모빌리티 상용화에 적합한 독창적인 소재를 개발할 수 있고 실험 기간을 단축하면서도 전지의 효율과 장기 안정성은 끌어올리게 된다.</p> <p contents-hash="c5fd6c8aa75ea7902839fa800290d8d191008aaffce7c5c04690023185523839" dmcf-pid="PD3Md8TslV" dmcf-ptype="general">서 교수는 “개별 연구자의 직관 중심으로 진행되던 과거와 비교하면 최근 소재 연구 효율이 크게 개선됐다”며 “해외에서는 통상 3개월 이상 걸리던 소재 탐색 기간을 AI로 1주일까지 단축한 사례도 나왔다”고 말했다. 그러면서 “AI가 제안한 후보 소재로 실험을 수행하고 그 결과를 재입력하는 환류 체계를 구축해 AI 모델의 성능이 계속 우수해지는 상황”이라고 덧붙였다.</p> <p contents-hash="b072a8398b7ea4f5335ca1ca004f2a191d58e606f810630675a62a6c675f8fad" dmcf-pid="QJvB9UEov2" dmcf-ptype="general">AI 기반 소재 허브 구축 사업을 시작한 뒤 지금까지 연구진이 축적한 실험 데이터는 총 7만 9070건이며 2028년까지 10만 건을 넘어설 것으로 예상된다. 중장기적으로는 데이터 분석은 물론 수집 과정까지 피지컬 AI로 자동화하는 것이 목표다. 이를테면 로봇 팔을 이용해 수천 번의 보호막 코팅을 오차 없이 재현함으로써 실험 데이터의 정확성을 개선하는 것이다.</p> <p contents-hash="b0243f98a0140cf4d77b939a34376613ffae38400301601debc3e88bbcffad1d" dmcf-pid="xiTb2uDgh9" dmcf-ptype="general">이 같은 연구는 특히 거대 자본을 앞세운 중국과의 기술 격차를 좁히기 위해 매우 중요하다. 최근 1~2년 사이 화능그룹 등 중국 대형 전력 생산 업체들은 잇달아 페로브스카이트 실증 플랜트를 건립하고 실사용 데이터를 확보하고 있다. 서 교수는 “한국이 실험실 안에서 ‘가속화 조건’을 걸고 야외 적응 가능성을 예측하고 있는 사이 중국은 이미 ‘바깥 데이터’를 쌓고 있다”며 “실증 데이터 격차가 장기화할 경우 결국 태양광 시장의 점유율 격차로 이어질 것”이라고 강조했다.</p> <p contents-hash="09245943bc730cc6025d0ce0c476aa494c55c72ade20f8dd60be78e920c74987" dmcf-pid="yZQrOcqFyK" dmcf-ptype="general">장형임 기자 jang@sedaily.com</p> </section> </div> <p class="" data-translation="true">Copyright © 서울경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 종이보다 얇고 우주방사선에 내성…머스크도 꽂힌 3세대 태양전지 04-22 다음 대한항공 일냈다...하루 1만5000보 걷는 승무원들에 ‘운동화 허용’ 추진 04-22 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
