일본 화학기업들이 MI(Material Informatics) 활용을 본격화하고 있다.
MI는 소재 개발과 데이터 사이언스를 융합하는 도구로 화학산업이 주목하는 트렌드 가운데 하나로 자리를 잡아가고 있다.
기존에도 연구개발(R&D) 분야를 중심으로 주목했으나, 2019년부터 MI 관련 소프트웨어와 서비스가 다수 등장함으로써 화학기업들의 관심이 한층 확대되고 있다.

일본, 화학 메이저‧벤처 진출 잇따라
UACJ는 2019년 10월 고기능 알루미늄 연구개발을 위해 히타치(Hitachi)의 MI 지원 서비스인 소재 개발 솔루션을 도입했다. 
히타치 서비스는 현재까지 35곳이 도입했으며 연구개발 현장에 본격적으로 정착되고 있는 것으로 평가되고 있다. 
하다치가 시장을 강악해가고 있는 가운데 나가세(Nagase Sangyo), 후지츠(Fujitsu)는 MI 추진용 서비스를 개발하고 있는 IBM과 제휴했다. 
MI 추진을 위한 서비스 개발은 대기업 뿐만 아니라 2019년부터 벤처기업으로 영역이 확산되고 있다. 
인공지능(AI) 개발 벤처 Preferred Networks는 JXTG홀딩스로부터 약 10억엔을 조달받기로 합의했다. JXTG홀딩스는 장기적으로 Preferred Networks가 보유하고 있는 MI 기술을 활용해 소재 개발을 추진할 방침이다. 
2020년 MI 서비스를 출시할 예정인 나고야(Nagoya)대학 벤처 Tryeting은 Toyoda Gosei 등으로부터 약 3억엔을 조달받는다고 2019년 8월 발표했다.
JSR 등이 제휴하고 있는 MI-6도 벤처 강자로 주목받고 있다.

화학기업 공통 데이터베이스 구축‧활용
일본 화학기업들은 MI 관련 소프트웨어를 이미 여럿 도입했으며 각각 어떠한 면에서 강점을 갖추고 있는지 확인하면서 다양한 시험을 반복적으로 실행하고 있는 것으로 알려졌다.
MI 추진을 위한 서비스가 계속 등장하는 가운데 경쟁이 더욱 치열해지고 있으며, 대기업과 벤처의 경쟁이 본격화됨으로써 MI 관련 서비스 시장이 급성장할 것으로 예상되고 있다.
그러나 MI 서비스만으로 소재 개발을 전부 수행할 수 있는 사례는 극히 드물며 모든 서비스가 현재 홍보하고 있는 것만큼 순조롭게 기능을 발휘하면서 정착할 것이라는 장밋빛 전망은 위험한 것으로 평가된다.
MI를 추진할 때 사용하는 소프트웨어는 어디까지나 보조적인 장치일 뿐이며 중요한 것은 연구자가 데이터 과학 관련 노하우를 향상시킬 수 있는 역량을 갖추고 있느냐 여부가 관건이기 때문이다.
물론 연구개발을 추진할 때 데이터 과학 전문가가 아니더라도 가볍게 최첨단 알고리즘을 사용한 분석이 가능하도록 하는 서비스에 대한 니즈가 많은 것으로 나타나고 있다. 
화학기업이 자체적으로 서비스를 개발하고 최신 데이터로 계속 업데이트하는데 많은 비용이 필요하기 때문에 결국 연구개발 가속화와 데이터 과학 확산을 위해서는 유망 MI 서비스 채용이 계속 이어질 것으로 예상되고 있다. 
앞으로는 MI를 추진할 때 전제가 되는 실험 데이터의 양이 어느 정도이냐에 따라 대응이 달라질 것으로 판단된다. 실험 데이터가 지나치게 많아도 문제이고 부족해도 문제가 될 수밖에 없기 때문이다.
일본 화학기업들은 2019년 12월 20사 이상이 공동으로 MI 활용을 위한 데이터베이스 구축에 나섰고, 정비된 데이터베이스는 일본 물질‧소재 연구기구(NIMS)에 보관하며 2021년부터 운영할 예정이다.
개별기업의 경계를 넘어선 데이터베이스 구축에 많은 관심이 집중되고 있다.

JSR, QSimulate 클라우드 서비스 도입
일본 화학기업들은 계산능력 확대에 총력을 기울이고 있다.
JSR은 양자화학 시뮬레이션을 추진하고 있는 미국 스타트업 QSimulate의 클라우드형 서비스를 도입했다. 일본 화학기업이 QSimulate 서비스를 도입한 것은 최초이며 MI용 데이터베이스 개선에 활용할 예정이다.
QSimulate는 노스웨스턴대학 준교수 출신인 시오자키 토오루 CEO(최고경영자)가 캘리포니아 공과대학의 가넷 챤 교수와 공동으로 설립한 스타트업으로 2019년부터 사업을 시작했다.
방대한 계산량을 필요로 하는 양자화학 분야에서 클라우드를 활용해 계산을 처리하는 SaaS(Software as a Service)를 제공하고 있으며, 프리시드라운드에서 150만달러에 달하는 자금을 확보했다.
JSR은 QSimulate의 서비스를 도입해 MI 추진에 필요한 대규모 고정밀 시뮬레이션 데이터를 생성할 예정이다.
MI는 어떻게 해야 우수한 소재를 조성할 수 있는지 정확하게 예측할 수 있으나 인공지능에 학습시키기 위해서는 대량의 데이터가 필요하고 기존 실험 데이터만으로는 부족하기 때문에 컴퓨터가 시뮬레이션한 가상 데이터까지 학습시켜야만 MI의 예측능력이 향상되고 더욱 정확하면서 효율적인 소재 생성이 가능할 것으로 판단되고 있다.
광화학 반응을 정확하게 예측하기 위해서는 양자역학을 활용한 전자‧원자 해석을 화학 분야에 적용하는 양자화학을 계산해야 하지만 일반 컴퓨터로는 부하가 크고 계산 및 인적 자원에 투입되는 코스트가 높아 MI 추진을 가로막는 장벽으로 작용하고 있다.
QSimulate의 MI 플랫폼은 양자화학 계산을 아마존(Amazon)의 클라우드 서비스 AWS에서 실행한다.
기존 양자화학 소프트웨어를 클라우드로 옮기는 것이 아니라 처음부터 클라우드에서 계산하기 위한 양자화학 소프트웨어를 만든 것이기 때문에 AWS의 능력을 효과적으로 활용할 수 있고 방대한 처리량이 필요한 양자화학 계산을 기존 시스템보다 저가에 실행 가능한 것으로 알려졌다.
화학기업들은 최근 계산자원을 확충하기 위해 총력을 기울이고 있다.
미츠비시케미칼(Mitsubishi Chemical)은 2020년 3월 고기능 계산기(HPC) 도입을 결정했고, MI센터 설립을 추진하고 있는 도소(Tosoh)도 계산능력 향상에 주력하고 있다.
바스프(BASF)는 2017년 당시 최고 수준이었던 슈퍼컴퓨터 개발을 시작하는 등 화학기업들은 첨단소재 개발을 위해 계산자원 확충에 주력하고 있다.

도소, 2022년 MI센터 설립 목표로 투자 확대
도소(Tosoh)는 MI를 활용해 연구개발을 확대하고 있다.
Advanced Material 연구소에 조직한 MI팀을 2022년 MI센터로 확대해 계산능력을 현재보다 몇배 혹은 10배 정도 향상시키고 30-40명 체제로 확충하는 것을 목표로 하고 있다.
MI를 적용한 에너지계, 전자소재 관련 연구개발 뿐만 아니라 2020년부터는 주력사업 가운데 하나로 주목하고 있는 우레탄(Urethane) 소재에도 활용할 방침이다.
MI팀은 2019년 기계학습, 딥러닝 등 전문지식을 보유한 데이터 사이언티스트를 채용했고, 앞으로 MI센터로 확대하기 위해서는 노하우 축적을 담당할 핵심 멤버를 10명 정도 배치하고 MI 관련 데이터를 이해할 수 있을 뿐만 아니라 실험도 가능하고 개별 연구소와의 다리 역할을 할 직원 20-30명을 배치할 방침이다.
컴퓨터 보유대수를 순차적으로 늘림으로써 계산능력도 향상시킬 예정이다. 사내에서 어떠한 컴퓨터를 사용하든 접속이 가능하고 계산까지 할 수 있는 환경 조성에 주력하고 있다.
도소는 소재 개발 효율화를 통해 개발속도가 수십배 더 빨라질 것으로 예상하고 있고 MI 활용을 계속함으로써 설계개발 방법과 관련 노하우를 축적해 추가 효율화로 이어질 것으로 기대하고 있다.
소프트웨어 등을 포함해 독자적인 MI 기술을 구축하는 것도 목표이다.
이미 MI를 활용하기 시작한 에너지, 전자소재 분야는 아직 데이터 수가 부족해 앞으로 계산을 활성화함으로써 데이터 수집에 주력할 방침이다.
벤처기업, 대학 등과의 연계도 강화하고 있다. 도쿄(Tokyo)대학 등과 함께 일본 신에너지‧산업기술종합개발기구(NEDO) 프로젝트인 혁신적 열 회수 및 양산기술을 활용한 보급형 열전기기 개발에 참여해 열전기기 소재 개발을 담당하고 있다.
반대로 풍부한 실험 데이터를 갖추고 있는 우레탄 원료 분야에서도 MI를 활용하는 방안을 검토하고 있다.
MDI(Methylene di-para-Phenylene Isocyanate) 그레이드를 개발할 때 MI 적용을 시도하고 있고, 데이터를 바탕으로 새로운 물성을 예측하고 기계학습으로 제조조건‧화학구조를 도출함으로써 개발할 예정이다.
MI 활용을 위해서는 데이터 사이언티스트가 무엇보다 중요한 것으로 판단되고 있으나 데이터 사이언티스트가 소수에 불과해 직원을 데이터 사이언티스트로 육성하는 방안을 검토하고 있다.
Advanced Material 연구소에서는 1명이 미국 매사추세츠대학으로 유학을 가 계산과학 관련 실험을 배우고 있는 것으로 알려졌다.

제온, 엘라스토머 수율 향상에 활용
제온(Zeon)은 MI의 현장 도입을 가속화하고 있다.
제온은 데이터 과학을 활용함으로써 소재 개발기간을 비약적으로 단축시킬 수 있는 MI를 현장에 도입하기 위해 현재 미국 벤처기업과 협력해 독자적인 MI 시스템을 개발하고 있으며 2020년부터 소규모로 도입을 시작해 순차적으로 확대할 방침이다.
생산기술에도 MI를 도입해 엘라스토머(Elastomer) 사업 등에서 수율을 향상시킬 계획이다.
제온은 숙련 기술자가 보유하고 있던 암묵지(Tacit Knowledge)를 형식지(Explicit Knowledge)로 바꾸는 생산 혁신에 MI가 적합한 것으로 판단하고 있다.
최근에는 그동안 축적해온 실험 데이터를 기계학습 등을 통해 비공개 전용 시스템으로 개발하는데 주력하고 있으며 미국에서 실증실험에 착수해 일본에서도 조만간 시작할 계획이다.
일본에서는 제온의 기반기술연구소가 개발과정에서 핵심역할을 맡을 예정이며 특정 소재 등에 대한 전문적 지식이 필요한 영역에서는 다른 연구소와 협력할 방침이다.
장기적으로는 원하는 특성과 기능을 특정한 후 필요한 폴리머 구조를 설계하는 역 문제해결이 가능한 시스템 개발을 목표로 하고 있다.
이미 AI을 사용한 시뮬레이션이 가능해 어느 정도 물성이 예측되면 실제로 화학물질을 제조하고 제조 후 해석함으로써 개발작업에 활용하는 방식으로 진행할 계획이다.
엘라스토머 등은 실제 생산현장에 MI를 도입하는 방안을 적극 검토하고 있다. 품질 안정화를 통한 수율 향상 효과를 기대하고 있다.
MI는 일반적으로 AI에 학습시킬 데이터가 부족하다는 점이 과제이나 실제 현장에 도입하면 가동과 동시에 과거 축적해온 대량의 데이터를 활용할 수 있는 것으로 파악하고 있다.
특히, 생산조건을 크게 변경하지 않았던 보수적인 현장일수록 심층학습에 사용할 수 있는 데이터가 많을 것으로 판단하고 엘라스토머 등에 주목하고 있다.
첨단기술을 활용한 예측 및 해석 효과를 극대화하기 위해 독자적인 분석기기 개발에도 주력하고 있다.
특정 사상에서 어떻게 메커니즘이 발생하는지를 알아내기 위해서는 어떻게 해석하는지가 중요하며 분석기기 개발이 차별화된 개발에 도움이 될 것으로 기대하고 있다.
그동안 폴리머 구조 해석 등에서 수백개에 달하는 분석기기를 자체 개발해왔기 때문에 MI 등 첨단 해석기술 활용과 고도 분석기기 개발 등을 융합함으로써 미래를 선도할 신소재 개발을 가속화시킬 수 있을 것으로 예상하고 있다. (K)