https://www.microsoft.com/en-us/research/blog/mattergen-a-new-paradigm-of-materials-design-with-generative-ai/

https://www.nature.com/articles/s41586-025-08628-5

 

1. “생성형 AI”로 소재 설계 문제 해결

 

소재 설계에서 원하는 특성을 만족하는 전혀 새로운 구조를 찾는 것은 굉장히 복잡한 문제입니다.

 

MatterGen은 생성 모델(Generative Model)을 이용해, 기존 연구 데이터에서 학습한 뒤 아예 새로운 결정을 생성해냅니다.

 

 

2. 안정성과 참신성 (Novelty)을 동시에 만족

 

안정적이어야 실제 사용이 가능하고, 동시에 새로운 구조가 아니면 이미 알려진 소재에 머무르므로 혁신성이 낮습니다.

 

MatterGen은 안정성과 참신성을 모두 고려해 기존보다 훨씬 높은 확률로 ‘새롭고 안정적인’ 구조를 만들어냅니다.

 

 

3. 다양한 물성(특성)을 지정할 수 있음

 

밴드갭, 자성, 기계적 강도 등 특정 물성값을 목표로 설정하면 거기에 맞춰 구조를 생성할 수 있습니다.

 

이를 **“파인튜닝(fine-tuning)”**이라 부르는데, 이 과정을 거치면 원하는 특성에 부합하는 후보들을 줄줄이 뽑아내는 것이 가능해집니다.

 

 

4. 실제 합성으로 확인된 성능

 

모델이 제안한 구조 중 하나를 실험실에서 직접 합성하여 측정했을 때, 예측과 20% 정도 차이로 실제 물성이 일치했습니다.

 

즉, 단순 이론상 후보가 아닌 “실제로 만들어 쓸 수 있는” 수준의 예측 성능을 보인다는 것입니다.

 

 

5. 차세대 소재 개발 방향성 제시

 

에너지 저장장치, 촉매, 환경 분야(탄소 포집 등)에서 고성능·고효율 소재에 대한 요구가 높아지는 추세입니다.

 

MatterGen은 AI가 미지의 구조를 직접 디자인하고, 빠르게 실험 후보를 제시함으로써 연구 개발 시간을 단축하고, 혁신 소재를 대거 발굴할 수 있는 길을 열어줍니다.

 

 

 

---

 

이와 같이, MatterGen은 기존의 소재 설계 한계를 크게 개선하고, 1) 안정성이 보장된 새로운 구조를 찾아내며, 2) 세부 물성까지 지정 가능하고, 3) 실제 합성으로도 이어질 정확도를 보여준다는 점에서 대단하다고 평가됩니다.