▲ 서울대 공대 화학생물공학부 정유성 교수팀(왼쪽부터 서울대학교 화학생물공학부 정유성 교수(교신저자), 서울대학교 화학생물공학부 최재환 석박사통합과정생(공동 제1저자), 서울대학교 화학공정신기술연구소 김성민 박사후연구원(공동 제1저자)) [출처=서울대학교 공과대학]서울대(총장 유홍림)에 따르면 공과대학(학장 김영오) 화학생물공학부 정유성 교수팀이 대규모언어모델(LLM, Large Language Model)을 활용해 기존에 합성이 어려웠던 신소재를 실제로 합성 가능한 형태로 다시 설계하는 혁신적 인공지능(AI) 기반 기술을 개발했다.단순히 물질의 합성 가능성(synthesizability)을 예측하는 단계에서 한 걸음 더 나아가 합성이 어려운 신소재를 재설계할 수 있는 실질적 해법을 제시한 것이다.반도체 신소재나 고효율 배터리 소재 개발 등에 활용될 수 있어 첨단 소재 개발 속도를 크게 앞당길 수 있을 것으로 기대된다. 이번 연구에는 서울대 최재환 석박사통합과정생과 김성민 박사후연구원이 공동 제1저자로 참여했다.연구 성과는 화학 분야 국제 저명 학술지인 미국화학회지(Journal of the American Chemical Society, JACS)에 2025년 10월6일 게재됐다.계산화학과 AI 기술의 발전으로 이론적으로 유망한 물질 후보를 대량으로 탐색할 수 있게 됐지만 실제 실험실에서 그 물질을 합성하는 과정은 여전히 큰 과제로 남아 있었다.기존 연구들은 물질의 합성 가능성 예측에 집중해온 반면 합성이 어렵다고 판정된 물질을 어떻게 합성 가능한 구조로 전환할 것인지는 답을 내리지 못했다.이를 극복하기 위해 연구팀은 새로운 LLM 기반 프레임워크인 ‘SynCry’를 개발했다. 이 모델은 신소재의 결정 구조 정보를 역변환 가능한 텍스트로 표현하고 반복적 미세조정(iterative fine-tuning)을 통해 합성이 어려운 구조를 합성 가능한 구조로 변환하는 방법을 스스로 학습한다.연구 결과 SynCry는 초기 514개의 성공적