아사히카세이, 니즈 추출 후 양산 검토 … 2023년 스마트 랩도 가동

디지털 인프라가 신소재 개발기간 단축에 도움이 될 것으로 기대된다.
일본 아사히카세이(Asahi Kasei)는 수요기업의 니즈나 시장 흐름을 분석하기 위한 디지털 툴 개발을 본격화하고 있다.
그동안 △자체 EC(전자상거래) 사이트 방문자 검색 이력을 통해 원하는 특성이 난연성인지 혹은 절연성인지를 파악하는 분석 툴 △사내 수요기업 정보 관리 시스템 내용이나 특허 및 뉴스 등의 정보로부터 수요기업의 과제를 분석하는 툴 등을 개발했으며 브레인 스토밍이나 논의 과정을 거치면서 자사 기술로 공급 가능한 솔루션 도출에 활용하고 있다.
디지털 기술을 활용해 소재를 효율적으로 탐색하는 MI(Materials Informatics)는 실험조건(X)과 소재 특성(Y)을 학습시킴으로써 최적화된 소재 구조 및 설계(Z)를 도출하는 작업으로 요약되고 있다.
아사히카세이가 개발한 2개의 분석 툴은 Y에 해당하는 수요기업 및 시장 니즈를 빠르게 파악함으로써 소재 개발기간 단축에 기여할 것으로 기대된다.
수요기업 정보 분석 툴은 실용단계에 있으며 다른 분석 툴 역시 개념실증(PoC)과 같은 기술 검증을 진행하고 있는 단계인 것으로 알려졌다.
MI를 활용해 그동안 실현된 적이 없는 특성을 갖춘 소재 구조 및 설계를 도출한 다음 상용화하기까지 양산 검증이 필요하고 기존 프로세스로는 MI가 제안한 소재를 생산하기 어려운 사례도 많은 것으로 나타나 소재 특성을 변경하거나 상용화에 계속 나설지 혹은 포기할지 판단을 내리기 위해 스케일업을 가속화하는 작업이 필요하며 아사히카세이는 디지털 기술을 사용해 제조방법을 효율적으로 탐색하는 PI(Process Informatics) 기술 개발에 도전하고 있다.
PI는 제조조건(X)과 제조 소재(Y)로부터 최적화된 제조방법(Z)을 도출하는 것으로 연구개발(R&D)용 실험장치와 달리 실제 양산설비에서 현실적으로 조건을 검토하기 때문에 시간상‧안전상 제약이 있고 난이도가 높은 편으로 평가되고 있다.
아사히카세이는 다양한 태스크용으로 학습시킨 모델을 유사한 다른 학습에 적용하는 전이학습 방법을 도입함으로써 수년 전부터 PI 상용화를 위한 컨셉 검토를 진행해왔고, 동일 검증을 수차례 반복할 때가 많은 스케일업 기간을 단축시킬 수 있으며 2023년에는 최초의 성공 사례를 도출할 수 있을 것으로 기대하고 있다.
MI 고도 이용을 위한 기반 정비 역시 본격화하고 있다.
그동안 사내 연구개발 관련 데이터 플랫폼을 구축하고 데이터 속성을 관리하는 데이터 카탈로그나 사전 등 편의성이 우수한 기능을 탑재시켰으며 사내에 수천개 이상 존재하는 연구개발부문 중 70-80%가 디지털 플랫폼 도입을 완료했고, MI를 사용하는 데이터에서 오류를 제거하는 데이터 클렌징 효율이 크게 높아졌으며 고속으로 전문 검색이 가능해져 불필요한 실험을 생략하기 쉬워진 것으로 평가된다.
다양한 데이터를 대시보드 형식으로 가시화하는 것도 가능해짐에 따라 연구개발 담당자가 높은 정확도를 확보한 상태에서 다음 단계로 나아갈 수 있다는 것도 강점이다.
2023년에는 인공지능(AI)과 하이스루풋 실험장치를 조합해 실험을 자동화하는 스마트 랩을 본격적으로 가동할 계획이다. 빠르고 효율적으로 방대한 실험을 수행할 수 있게 된다면 MI를 통한 소재 탐색 기간을 더욱 큰 폭으로 단축 가능할 것으로 기대되고 있다.
스마트 랩은 연구개발 투자 부담을 줄이는 효과도 있을 것으로 예상된다.
원래는 소재 특성을 지배하는 구조상 미세한 차이를 이미지로 파악하기 위해 고도의 장치가 필요했으나 해상도가 높지 않더라도 많은 양의 다양한 이미지 데이터를 학습시킨다면 통계를 낼 수 있기 때문이다.
현재 여러 연구개발 주제에서 스마트 랩 프로젝트를 진행하고 있으며 2024년에는 이용처를 10개 이상으로 늘리는 것을 목표로 하고 있다. (K)