Autonomous lab for accelerating materials discovery

재료 개발 자율화 시스템 (Autonomous Materials Discovery using Artificial Intelligence (AI), Machine Learning (ML) and Robotics)

신규 소재 개발은 상용화까지 10-20년 걸리고 많은 인력, 자원이 필요하고 특히 산업 고도화로 인해 에디슨식 시행착오 방식 혹은 연구자의 통찰력과 경험 기반의 실험으로 고성능 소재 개발하는데는 한계가 있다. 신규 소재 개발을 가속화하기 위해서 효율적인 소재 성능 예측이 가능한 전산모사 기법과 더불어 재료 개발 자동화 시스템에 대한 많은 연구가 진행 중이다. 자동화를 위해 소재의 가상탐색(virtual screening) 부터 소재 합성, 분석 후 다음 합성 방향 제시까지 연구자의 개입을 최소화할 수 있어야 한다. 이를 위해 기존 합성, 분석 장비를 모듈화하고 로봇을 활용하여 전 공정을 자동화하여 자율 주행 실험실(self-driving laboratory) 구축하고자 한다. 이를 위해 장치적인 부분 뿐만 아니라 연구자 개입 없이 실험을 디자인하고 실험 결과를 분석하고 이를 바탕으로 다음 실험을 디자인할 수 있는 두뇌에 해당되는 인공지능 모델이 필요하다. 베이지안 최적화(Bayesian optimization), 합성곱 신경망(convolutional neural network) 등의 기법을 조합하여 재료 선정, 실험 계획, 실험 분석 등을 포함한 전 공정에 대한 의사결정이 가능한 인공지능 기반 중앙 처리 모델 (AI central processing model)을 개발하고 있다.

재료 개발 자동화가 가능한 자율주행 연구실 개요

Automated Li-ion BAttery Testing RObot SyStem (ALBATROSS), an automated system capable of electrolyte formulation, coin-cell assembly, and electrochemical evaluation (https://arxiv.org/abs/2512.13198)

다음 4가지 연구 수행을 통해 자율실험실 구축 및 운용을 통한 배터리 소재 가속화하고자 합니다.

- 자율실험을 위한 실험/분석/평가 자동화 모듈 제작

- 소재 합성/평가 연구 경험을 통한 자동화 모듈 설계

- 로봇팔과 PLC 제어 기반 자동화 모듈 연계를 통한 자율실험 워크플로우 및 플랫폼 구축

- 자율실험실 운용을 통한 배터리 소재 개발 연구