정부, 바이오·배터리·핵융합까지 과학 특화 AI 모델 만든다

• 과기정통부가 과학기술 6개 분야에 특화된 AI 모델 개발을 시작함

  • 대상은 생명공학, 재료·화학, 지구과학, 핵융합, 원자력, 이차전지임
  • 2026년부터 2029년까지 4년간 총 225억 원이 투입됨
  • ‘K-문샷 프로젝트’의 마중물 역할을 기대한다는 설명임

• 방향은 단순히 “AI 써보자”가 아니라 연구 방식 자체를 바꾸겠다는 쪽에 가까움

  • 기존 과학 연구는 연구자의 경험, 직관, 반복 실험, 시행착오에 크게 기대왔음
  • AI가 대규모 과학 데이터를 분석하고 복잡한 현상을 예측하면 시간과 비용을 줄일 수 있다는 계산임
  • 각 분야 연구자와 AI·데이터 전문 연구자가 함께 참여하고, 그래픽처리장치(GPU) 같은 컴퓨팅 인프라도 지원함

• 생명공학 쪽은 약물 반응 예측이 핵심임

  • 국립암센터 신동관 박사팀이 다층위 약물 반응 오믹스 빅데이터를 활용한 AI 모델을 개발함
  • 세포주, 오가노이드, 동물 간 약물 반응 전이를 예측해 전임상 단계에서 후보물질 발굴을 돕는 게 목표임

• 재료·화학과 이차전지는 개발 기간을 줄이는 데 초점이 있음

  • 서울대 손창윤 교수팀은 고분자·전자 소재의 복합 물성을 예측하고 목표 성능에 맞는 신소재 설계 AI를 개발함
  • 연세대 최정일 교수팀은 소재, 전극, 배터리 셀 데이터를 통합 분석하는 AI 플랫폼을 구축함
  • 배터리 쪽은 소재 설계부터 성능·안전성 예측까지 이어지는 구조임

• 지구과학, 핵융합, 원자력은 ‘위험을 예측하고 운전을 최적화하는 AI’에 가깝게 설계됨

  • 포항공대 민승기 교수팀은 한반도 특화 AI 모델로 폭염, 홍수, 지진 같은 복합 재난 위험을 분석함
  • 울산과학기술원 최은미 교수팀은 핵융합로 플라스마 가열 과정과 상태를 실시간 예측하는 디지털 트윈을 개발함
  • 울산과학기술원 이승준 교수팀은 원전 안전성 평가를 자동화하는 동적 위험도 평가 에이전트 플랫폼을 맡음

• 한국 개발자 입장에선 공공 연구 AI 인프라가 어디까지 열릴지가 관전 포인트임

  • 데이터와 모델이 실제로 재사용 가능한 형태로 공개되면 스타트업·대학·기업 연구팀이 활용할 여지가 생김
  • 반대로 포맷, 라이선스, 접근성이 애매하면 그냥 과제 결과물로 끝날 가능성도 있음

---

기술 맥락

• 이 사업의 선택지는 범용 대규모 언어 모델을 하나 더 만드는 게 아니라 분야별 과학 모델을 만드는 쪽이에요. 이유는 과학 연구 데이터가 일반 웹 텍스트와 성격이 다르기 때문이에요. 약물 반응, 소재 물성, 플라스마 상태 같은 데이터는 도메인 지식과 실험 맥락이 같이 들어가야 쓸모가 생겨요.

• 생명공학과 배터리처럼 실험 비용이 큰 분야에서는 예측 모델의 가치가 바로 나와요. 후보물질이나 소재 조합을 전부 실험으로 검증하면 시간이 너무 오래 걸리거든요. AI가 먼저 가능성 높은 조합을 좁혀주면 연구자는 비싼 실험을 더 중요한 곳에 집중할 수 있어요.

• 핵융합과 원자력 쪽은 실시간성과 안전성이 중요해요. 여기서는 단순 분석 모델보다 상태 예측, 위험도 평가, 디지털 트윈이 더 중요해져요. 실제 장비나 원자로에서 어떤 상황이 벌어질지 미리 계산해야 운영 의사결정에 연결되거든요.

• 공개 플랫폼 계획도 꽤 중요해요. 과학 AI는 데이터가 없으면 모델을 재현하거나 개선하기 어렵기 때문이에요. 모델과 데이터가 잘 정리돼 공개되면 후속 연구팀이 같은 출발선에서 성능을 비교하고 개선할 수 있어요.