고분자계의 통계물리학적 특성을 정밀하게 계산할 수 있는 차세대 이론 도구로 ‘랑주뱅 장이론 시뮬레이션(Langevin Field Theoretic Simulation, L-FTS)’이 개발돼 주목받고 있다.
그러나 계산량이 너무 많아 고성능 GPU(그래픽 처리장치)를 사용해도 시뮬레이션 한 번에 며칠씩 걸렸다. 김재업 교수팀은 이런 단점을 극복하기 위해 기계학습을 제안했다.
L-FTS를 수행하려면 고분자의 비압축성(힘을 받아도 부피가 줄어들지 않는 성질)이 성립하는 지점을 찾는 작업을 수십만번 이상 수행해야 한다. 기존에 쓰이던 반복법은 대략 예측한 값에서 실제 결과까지 거리를 계산해 예측치를 수정하는 과정을 반복해 이 지점을 찾아냈는데, 한 번 찾을 때마다 예측 작업을 50회 정도 반복해야 했다.
김재업 교수팀은 AI 기술로 잘 알려진 딥러닝(Deep Learning)을 이용해 반복법의 단점을 해결했다. 인공신경망에 많은 데이터를 주고 훈련을 진행해 예측치를 더 정확하게 도출하게 만든 것이다. 이 기술을 쓰면 50회씩 반복하던 예측을 2~4회로 줄일 수 있어 기존보다 6배 이상 빠르게 시뮬레이션을 수행할 수 있다. 인공신경망 훈련을 위한 데이터 준비와 훈련에 드는 시간을 포함해도 기존 대비 최소 4배 이상 속도가 향상됐다.
이번 연구는 특히 ‘기계학습 기반의 시뮬레이션 방법의 한계로 지적됐던 낮은 정확도를 극복한 기술’이라는 점에서 주목받는다. 연구 성과는 고분자 연구 권위지인 ‘매크로몰레큘스(Macromolecules)’에 9일자로 출판됐다.
차형석기자 stevecha@ksilbo.co.kr
저작권자 © 울산일보 무단전재 및 재배포 금지
