Proterial이 소재 제품의 개발에 생성형 AI를 이용하기 시작했다. 기존 시뮬레이션 등으로는 예측이 어려운 원료의 배합 등을 예측할 수 있어 소재 개발기간 단축을 도모할 수 있다. 소재에 따라 달라지지만 앞으로 개발기간을 기존 대비 10분의 1 정도로 줄이는 것을 목표로 한다. 자동차의 전동화 등에서 새로운 소재 개발이 요구되는 가운데, 생성형 AI의 활용에서 경쟁력을 높인다.

Proterial은 최근 디지털 기술을 사용하는 소재 개발방법인 “Materials Informatics(MI)”의 플랫폼을 개발했다. 과거 데이터를 바탕으로 소재의 성능 예측과 소재 설계 등을 실시하는 것으로, 생성형 AI는 해당 플랫폼의 기능의 일부로 이용한다.

예를 들어 자동차 부품용으로 새로운 소재를 개발하는 경우, 시험제작한 소재의 단면도 데이터를 생성형 AI에 학습시킨다. 다음으로 생성형 AI가 특정 원료를 조합한 소재의 단면도를 유사하게 작성한다. 작성한 다수의 단면도 중에서 성능 등이 목표값에 가까운 것을 선택해서 이번에는 해당 데이터를 바탕으로 실제 원료 합성 등의 테스트를 실시해 나간다.

기존 데이터를 바탕으로 시뮬레이션 등으로 소재를 예측한 경우, 기존의 조건 설정으로는 얻을 수 없는 특징 등을 예측하기 어렵다. 생성형 AI를 사용하는 신규 방법으로는 기존 데이터, 인과관계에 얽매이지 않는 조합으로 유사한 테스트를 실시할 수 있어 폭넓은 예측이 가능해지고 신소재 개발기간 단축에 기여할 수 있다.

Proterial은 전기자동차(EV)의 모터에 반드시 필요한 네오디뮴(Nd) 자석이나 특수강 등 폭넓은 제품에서 높은 점유율을 자랑하고 있다. 다만 제품군이 많기 때문에 각 사업부문에서 공통된 소재 개발이 어렵다는 측면이 있었다. 이번 생성형 AI를 포함한 시스템을 활용함으로써 각 부문의 독자적인 데이터와 노하우를 활용한 형태로 개발기간의 단축이 가능해질 것으로 보인다.

개발한 MI 플랫폼에서는 이 밖에도 소재에 관한 특허문서나 문헌 등을 바탕으로 필요한 데이터를 AI가 추출하는 기능 등도 갖추고 있다. 앞으로는 추출한 데이터 등을 데이터베이스화하여 연구자가 정보를 손쉽게 검색할 수 있도록 하는 등의 대응도 검토해 나갈 방침이다.

Proterial에 따르면 신규 개발한 MI 플랫폼은 금속업계에서도 선진적인 대응이라고 한다. 이미 전선을 보호하는 피복재의 개발현장에서 활용을 시작했다. 철도차량용 전선의 피복재 개발의 경우, 기존에는 원료 배합에 1년 정도가 소요되었으나 MI 플랫폼 활용으로 3개월 미만으로 단축하는데 성공했다.

현재로서는 타사에 시스템을 판매하거나 하지 않고 어디까지나 사내 소재개발에 활용해 나갈 방침이다. 앞으로는 시스템의 개량을 추진함과 더불어 사내의 폭넓은 개발현장에서 MI 플랫폼을 침투시키는 것이 해결과제가 될 것이라고 한다. EV 보급 등을 바탕으로 새로운 첨단소재의 수요가 늘고 있는 가운데, 소재 개발의 DX로 고객의 요청에 대응하는 능력을 높인다.