멀티모달 모델이 이번에 이해하려는 대상은 결정의 3차원 원자 구조입니다. 2026년 10월 18일 매사추세츠공과대학교 공식 사이트 MIT News는 이 대학 연구팀이 결정 재료용 시각-언어 모델을 만들었고 관련 논문이 Nature Communications에 실렸다고 보도했습니다. 이 모델은 결정의 3차원 원자 배열과 자연어 설명을 서로 대응시켜, 논문을 읽기만 하는 것이 아니라 구조를 "볼" 수 있게 합니다.
소재 분야를 막은 것은 데이터의 모양이었다
결정은 지구상 고체 재료의 90% 이상을 차지하고 원자 배열이 성질을 결정합니다. 그러나 데이터 대부분은 전용 구조 형식에 저장돼 있어 언어 모델이 학습해 온 텍스트 흐름과는 다릅니다. 기존 모델은 결정을 보통 3차원 그래프로 다루고, 범용 대규모 모델은 논문과 책만 읽었기 때문에 원자가 어떻게 연결되고 결합각이 어떻게 배치되는지 직관이 없습니다. 문헌의 편향도 문제입니다. 실험 논문이 소수의 인기 결정 종류에 몰려 있어 텍스트만으로 학습한 모델의 추천도 그 편향을 그대로 물려받습니다.
먼저 구조 설명문을 만들게 하고, 그걸로 학습시킨다
연구팀은 먼저 "구조 설명문"을 합성했습니다. 실험 논문과 제일원리 계산 데이터베이스를 바탕으로 화학 조성, 구조, 성질, 가공 조건, 활용 가능성까지 담은 언어 설명을 결정마다 생성한 뒤, 대조 학습으로 구조와 설명을 하나의 표현 공간으로 끌어왔습니다. 비교 결과가 핵심을 보여 줍니다. 이 합성 설명문으로 학습한 버전은 기하 구조와 텍스트의 대응을 익혔지만, 논문 텍스트만으로 학습한 버전은 익히지 못했습니다. 제1저자는 전 MIT 박사후연구원 Yang Jeong Park이고, 교신저자에는 재료과학공학과 Ju Li 교수와 Elsa Olivetti 교수가 포함됩니다. Ju Li 교수의 판단은 구조를 이해하면 재료의 성질과 성능을 상당 부분 추론할 수 있다는 것입니다.
첫 시험은 전고체 배터리 전해질 찾기
연구자들이 목표 성질을 자연어로 제시하고 조건에 맞는 결정을 찾게 한 결과, 모델은 기준선을 웃돌았습니다. 고체 리튬이온 배터리 전해질 과제에서는 상위 후보 안에 이미 독립적인 다른 연구에서 유망하다고 꼽힌 재료가 포함돼 있었습니다. 텍스트만으로 학습한 모델은 얻지 못하는 기하 표현을 익혔다는 점도 확인됐습니다. 의미는 "맞혔다"는 사실 자체보다 순위를 믿을 수 있게 되기 시작했다는 데 있습니다. 실험 자원이 한정된 이상 어떤 후보를 먼저 검증하느냐가 개발 주기의 길이를 정합니다.
후보 목록은 아직 실제 샘플이 아니다
Ju Li 교수는 이 연구를 단백질 구조 분야의 AlphaFold에 비유합니다. 둘 다 "구조"와 "기능"을 직접 연결하려는 시도입니다. 비슷한 길은 다른 분야에도 나타나고 있습니다. CERN과 Mistral은 물리 파운데이션 모델의 사전 학습에서 협력하며 수십 년치 모의 충돌 데이터를 쓰고, 기상 앙상블 예보 시스템 풍청 V1.0은 업무화 심사를 통과해 일상 운영에 들어갔습니다. 다만 냉정한 주문도 필요합니다. 결정 모델이 지금 내놓는 것은 후보 목록까지이며 합성, 특성 평가, 소자 검증 단계는 생략할 수 없습니다. 설명 데이터 자체의 품질도 모델의 상한을 정합니다. 소재 팀에게 지금 가장 실용적인 용도는 실험 대기열 앞단에 두는 것입니다. 만들 가치가明らかに 없는 후보를 먼저 걸러 내고, 실험대는 승산이 높은 구조를 위해 비워 두는 것, 그것이 당분간 이 모델의 역할입니다.
