RVP · 사례 DB · 칼편 · C-14
⚔ 칼 과학·연구 C-14

GNoME — AI가 발견한 220만 개의 신소재

2023년, 구글 딥마인드의 GNoME가 Nature에 발표됐다. 이 AI 시스템은 약 220만 개의 새로운 안정적 결정 구조를 예측했다.

짝 사례 ↔ S-54 · 41.5%의 오류율과 기업 실무의 위협
활용 버전
재료과학/연구용, 반도체/배터리 산업용, 일반 사용자용
성과 영역
안정적 결정 구조 220만 개 예측, 신소재 발견 가속화
작동 원리
기존 결정 구조 데이터 학습 → 그래프 신경망 → 새로운 안정 구조 예측 (736종 실험 합성 확인)
행위 수준
구글 딥마인드 GNoME (Graph Networks for Materials Exploration)
근거 출처
Merchant et al. (2023). Nature, 624, 80-85
적용 모듈
모듈 A(정보 검증) + 업무/실무 모드(Work Mode)

2023년, 구글 딥마인드의 GNoME가 Nature에 발표됐다. 이 AI 시스템은 약 220만 개의 새로운 안정적 결정 구조를 예측했다. 이는 인류가 이전까지 알고 있던 안정적 물질의 수를 거의 10배로 늘린 것이다. 이 중 736종은 독립적인 실험실에서 실제로 합성·확인됐다. 차세대 배터리, 초전도체, 태양전지 등의 핵심 소재가 이 데이터베이스에서 나올 가능성이 있다. 인류가 수백 년에 걸쳐 발견한 것보다 더 많은 후보 물질을 AI가 단 몇 주 만에 제시한 것이다.

알파폴드가 생물학의 지도를 펼쳤다면, GNoME는 재료과학의 지도를 펼쳤다. AI가 한 것은 신소재를 [발명]한 것이 아니라, 가능한 소재의 [지도]를 그린 것이다. 220만 개의 후보 중 어떤 것이 실제로 쓸 만한지, 어떤 것이 대량 생산 가능한지, 어떤 것이 환경에 안전한지를 판단하는 것은 인간 연구자의 몫이다.

모듈 A(정보 검증): AI가 '안정적'이라고 예측한 결정 구조가 실제 실험 조건에서도 안정한지는 별개의 문제다. 예측 결과를 신소재 후보로 확정하기 전에, 반드시 독립적인 실험적 합성과 물성 테스트를 거쳐라.

업무/실무 모드: 220만 개의 후보 중 우선순위를 정할 때, AI의 안정성 점수만이 아니라 산업적 수요, 원자재 가용성, 환경 영향 등 인간의 전략적 판단이 함께 투입돼야 한다.

→ 본편: 2부 3장 (모듈 A — 정보 검증), 2부 3장 (업무/실무 모드)

← 사례 DB로 돌아가기 ⚔ 칼 전체 보기