AI 차세대 컴퓨터 칩 및 전자소재 개발 가속

플린더스 대학교를 중심으로 한 국제 연구팀이 차세대 컴퓨터 칩 및 전자 소재 발견을 가속화하는 인공지능 (AI) 플랫폼을 개발했습니다. 카타르 칼리파 대학교와 협력하여 구축된 이 시스템은 복잡한 컴퓨터 시뮬레이션이나 실험실에서 신재료를 찾는 시간을 획기적으로 단축하는 스마트 소재 발견 엔진 역할을 수행합니다. 반도체는 웨어러블 기기, 통신 시스템, 스마트폰은 물론 의료 장비와 태양전지 등 첨단 기술 분야 전반에 필수적입니다. 기존에는 수백만 가지가 가능한 소재 조합을 하나씩 실험하거나 시뮬레이션하는 방식이어서 시간과 비용이 과도하게 소요된다는 한계가 있었습니다. 연구팀의 주도한 비칸 디 트엉 부교수는 무작위 탐색 대신 AI 가 갈륨 기반 소재의 물리 화학적 규칙을 학습해 원하는 전기적 특성을 가진 새로운 조합을 예측한다고 설명했습니다. 갈륨은 오스트레일리아에서 채굴되는 핵심 광물로, 전자제품과 컴퓨터 칩 기술의 효율성 측면에서 주목받고 있습니다. 특히 갈륨 비소는 마이크로파 회로와 고속 스위칭 회로 등 고주파 응용 분야에 널리 쓰입니다. 이 AI 시스템은 국제 소재 데이터베이스에 담긴 수천 개의 기존 반도체 데이터를 학습했습니다. 이후 베이지안 최적화라는 지능형 의사결정 기법을 활용해 유망한 새로운 갈륨 함유 소재를 지속적으로 탐색하면서, 화학적으로 불가능한 조합은 배제합니다. 시스템은 단순히 무작위 분자를 생성하는 것을 넘어, 제안된 소재가 화학적으로 현실적이고 물리적으로 안정한지 검증한 뒤 실험적 검증을 위한 후보를 추천합니다. 이는 연구 개발의 낭비를 줄이고 검증 경로를 크게 단축하는 효과를 가져옵니다. 연구진은 기존 데이터베이스에는 없던 완전히 새로운 갈륨 기반 반도체 후보 다수를 성공적으로 도출해냈습니다. 이번 연구의 핵심 목표 중 하나는 '밴드 갭'이라는 물성입니다. 밴드 갭은 반도체가 전기와 빛에 어떻게 반응할지 결정하는 중요한 지표로, 기술별 요구사항에 따라 다른 크기가 필요합니다. 작은 밴드 갭은 태양광 에너지 흡수에, 중간 크기는 LED 와 광학 소자에, 큰 크기는 고전력 전자제품과 방사선 저항이 필요한 시스템에 각각 필수적입니다. 이번 AI 기반 접근법은 다양한 기술 분야에 맞춤형으로 최적화된 소재를 빠르게 설계할 수 있는 가능성을 열어주었습니다.