2026.05.09 토요일
검색
'스탠퍼드대학교' 검색결과
기간검색
-
~
검색영역
검색어
-
"섞을수록 균일해진다"…KAIST, 나노소재 상식 뒤집었다 [경제일보] KAIST가 미국 스탠퍼드대학교와 함께 여러 금속을 섞을수록 오히려 더 균일한 나노입자가 만들어지는 현상을 규명했다. 다성분 나노소재 합성의 난제로 꼽혀온 불균일 문제를 새롭게 해석한 성과로 고성능 촉매와 친환경 에너지 소재 개발에 활용될 가능성이 크다. KAIST는 생명화학공학과 정희태 석좌교수 연구팀이 스탠퍼드대 마테오 카르넬로 교수팀과 공동으로 다성분 금속 나노입자에서 나타나는 ‘성분 집중’ 현상을 규명했다고 8일 밝혔다. 이번 연구 결과는 국제학술지 ‘사이언스’에 7일 미국 현지 시각으로 게재됐다. 논문은 다성분 나노결정에서 금속 원소 간 경쟁적 반응성이 입자 크기와 성분 균일화를 유도한다는 내용을 담고 있다. 나노입자는 반도체 친환경 에너지 바이오 촉매 등 다양한 산업에서 핵심 소재로 활용된다. 최근에는 성능을 높이기 위해 여러 금속을 섞은 다성분 구조가 주목받고 있다. 그러나 금속 원소가 많아질수록 각 원소의 반응 속도와 결합 특성이 달라 입자의 크기와 조성이 불균일해지는 문제가 있었다. 연구팀은 이 통념과 다른 결과를 확인했다. 금속 종류가 늘어날수록 입자 성분이 특정 조성으로 모이며 더 균일해지는 ‘성분 집중’ 현상이 나타난 것이다. 서로 다른 금속 원자들이 경쟁적으로 결합하는 과정에서 먼저 자리 잡은 원자가 뒤이어 들어오는 원자의 결합을 돕는 징검다리 역할을 한다는 설명이다. 이 과정에서 원자들은 무작위로 섞이는 것이 아니라 층을 이루며 안정적인 구조를 형성했다. 그동안 복잡성과 불균일성의 원인으로 여겨졌던 다성분 반응 환경이 오히려 질서 있는 나노구조 형성을 돕는다는 점을 밝힌 셈이다. 연구팀은 원리를 검증하기 위해 5가지 금속을 포함한 다성분 나노입자 촉매를 제작했다. 이 촉매는 암모니아를 분해해 수소를 생산하는 반응에서 기존 산업 기준 촉매로 널리 쓰이는 루테늄 기반 촉매보다 4배 이상 높은 촉매 반응 속도를 보인 것으로 보고됐다. 암모니아 분해는 수소 운반과 생산 과정에서 중요한 기술로 꼽힌다. 암모니아는 수소를 저장하고 운반하기 쉬운 물질이지만 다시 수소를 꺼내려면 효율적인 촉매가 필요하다. 고성능 촉매를 확보하면 수소 생산 공정의 에너지 부담을 낮추고 친환경 에너지 전환에도 기여할 수 있다. 이번 연구는 소재 설계 방식에도 변화를 줄 수 있다. 기존에는 금속을 많이 섞을수록 합성 제어가 어려워진다고 봤지만 이번 결과는 적절한 조합과 반응 조건을 설계하면 다성분 구조가 오히려 균일성과 성능을 높일 수 있음을 보여준다. 향후 수소 생산 이산화탄소 전환 연료전지 촉매 등 다양한 에너지 공정 소재 개발로 확장될 가능성이 있다. 다만 실제 산업 적용까지는 대량생산과 품질 균일성 확보가 과제로 남는다. 실험실 수준에서 확인한 구조와 성능을 대규모 공정에서도 반복 구현해야 상용 촉매로 이어질 수 있다. 다성분 나노소재는 조성 변수와 반응 조건이 많아 AI 기반 소재 탐색과 공정 최적화가 중요해질 전망이다. 정희태 KAIST 생명화학공학과 석좌교수는 “이 원리를 활용하면 원하는 성능에 맞춰 금속 조성을 설계할 수 있어 수소 생산 이산화탄소 전환 등 에너지 공정의 효율을 높이는 고성능 촉매와 친환경 에너지 소재 개발에 활용될 수 있을 것”이라며 “향후 대량생산에서도 동일한 품질을 유지하는 기술과 AI를 활용해 최적의 소재를 설계하는 기술 개발에 주력할 계획”이라고 말했다.2026-05-08 06:58:42
-
AI 경쟁 '모델 규모'에서 '효율'로…노타, LLM 경량화 기술 개발 [경제일보] 수천억개의 파라미터를 갖춘 인공지능 모델을 구동하기 위해 필요한 대규모 GPU 인프라와 막대한 메모리가 기업의 AI 도입 장벽으로 작용하면서 대형 언어모델(LLM)의 운영 비용이 인공지능 산업의 새로운 과제로 떠오르고 있다. 이에 글로벌 AI 기업들이 모델 성능을 유지하면서도 비용을 낮추기 위한 경량화·최적화 기술 경쟁에 속도를 내는 가운데 국내 기업들도 관련 기술 개발에 나서고 있다. 5일 AI 경량화 및 최적화 전문 기업 노타는 업스테이지의 대형 언어모델 '솔라'의 모델 크기를 대폭 압축해 추론 비용을 줄이고 처리 속도를 높이면서도 높은 정확도를 유지하는 차세대 양자화 기술을 개발했다고 밝혔다. 이번 개발은 과학기술정보통신부가 추진하는 '독자 AI 파운데이션 모델 프로젝트'의 일환으로 진행됐다. 노타는 업스테이지의 '솔라 오픈 100B' 모델에 자체 경량화·최적화 기술을 적용해 성능은 유지하면서 메모리 효율을 크게 개선했다고 설명했다. 해당 프로젝트는 국내 독자 AI 모델 생태계 구축을 목표로 추진되는 사업으로 모델 개발뿐 아니라 학습·추론 효율을 높이기 위한 핵심 기술 확보도 중요한 과제로 꼽힌다. 특히 이번 기술은 최근 차세대 LLM 구조로 확산되고 있는 'MoE(전문가 혼합 구조)' 모델의 기술적 난제를 해결하는 데 초점을 맞췄다. MoE는 입력에 따라 일부 전문가 모델만 선택적으로 작동하는 방식으로 구글과 메타 등 글로벌 빅테크들이 차세대 LLM 구조로 채택하고 있는 기술로 알려졌다. 모델 전체가 동시에 작동하는 기존 방식보다 연산 효율을 높일 수 있어 초대형 모델 설계에 유리하지만, 구조 특성상 기존 양자화 방식으로는 성능 저하가 발생하기 쉽다는 한계가 있었다. 노타는 MoE 구조에 최적화된 독자 알고리즘 '노타 MoE 양자화' 방법론을 개발해 해당 문제를 해결했다고 설명했다. 모델 전체를 일괄적으로 압축하는 기존 방식과 달리 연산 중요도에 따라 정밀도를 차등 적용해 양자화 과정에서 발생하는 성능 저하를 최소화했다. 즉, 성능에 영향을 크게 미치는 연산은 정밀도를 유지하고 상대적으로 영향이 작은 부분만 압축해 효율성과 정확도를 동시에 확보하는 방식이다. 노타에 따르면 100B(1000억개) 파라미터 규모의 솔라 모델에 해당 기술을 적용해 기존 약 191.2GB(기가바이트) 수준이던 메모리 사용량을 약 72.8% 감소한 51.9GB까지 줄인 것으로 나타났다. 성능 지표인 PPL은 6.81을 기록해 원본 모델의 6.06과 큰 차이를 보이지 않는 수준을 유지했다. 일부 범용 양자화 기법이 적용될 경우 성능이 크게 저하되는 것과 비교하면 메모리 효율과 정확도를 동시에 확보한 결과라는 설명이다. 이 같은 경량화 기술은 향후 온디바이스 AI와 피지컬 AI 확산에도 중요한 기반이 될 전망이다. 그동안 초대형 LLM은 막대한 GPU 자원을 요구해 데이터센터 중심으로 운영될 수밖에 없었다. 그러나 모델을 경량화하면 로봇, 자율주행차, 스마트 디바이스 등 다양한 엣지 환경에서도 고성능 AI를 구현할 수 있는 가능성이 커진다. 스탠퍼드대학교 인간중심 AI 연구소가 발간한 'AI 인덱스 리포트'에 따르면 최근 인공지능 산업에서는 모델 성능 경쟁과 함께 추론 비용과 연산 효율성이 주요 경쟁 지표로 부상하고 있다. 보고서는 초대형 모델 규모가 빠르게 커지면서 이를 운영하기 위한 GPU 인프라와 전력 비용이 급증하고 있으며 이에 글로벌 AI 기업들이 모델 압축, 양자화, 추론 최적화 등 효율성 기술 확보에 투자를 확대하고 있다고 분석했다. 앞으로는 LLM 경쟁이 단순한 모델 성능 경쟁을 넘어 효율성 경쟁으로 확장될 전망이다. 미국과 중국을 중심으로 모델 경량화와 엣지 AI 기술 연구가 활발하게 진행되는 가운데 국내에서도 파운데이션 모델 개발과 함께 최적화 기술 확보가 중요한 과제로 떠오르고 있다. 채명수 노타 대표는 "이번 성과는 한국형 AI 파운데이션 모델인 솔라 100B에 노타만의 양자화 기법을 적용해 메모리를 대폭 줄이면서도 성능을 유지했다는 점에서 의미가 크다"며 "디바이스에 대규모 모델을 구현해야 하는 수요가 커질수록 노타의 경량화·최적화 기술이 고성능 AI를 실현하는 핵심적인 역할을 해나갈 것"이라고 말했다.2026-03-05 09:54:56
많이 본 뉴스
영상
Youtube 바로가기
![[사설] "내란은 중대범죄"라면서 8년 감형…국민 상식은 납득할 수 있나](https://image.ajunews.com/content/image/2026/05/07/20260507180830821832_518_323.jpg)