AI 생성 이미지
PFAS는 과불화·폴리불화 알킬 물질을 뜻하는 합성화학물질 그룹이다. 1940년대부터 여러 산업에서 쓰였지만, 환경에서 잘 분해되지 않아 ‘영원한 화학물질’로 불린다. 시간이 지나며 인체에 축적될 수 있다는 점도 문제로 꼽힌다.1
PFAS 제거가 어려운 이유는 단순히 “오염물질을 걸러내면 된다”는 수준을 넘어서기 때문이다. 음용수와 공정수에서 매우 낮은 농도의 특정 PFAS를 안정적으로 제거해야 하고, 동시에 비용과 실제 공정 적용 가능성도 따져야 한다. 미국 EPA가 2024년 일부 PFAS에 대해 ppt, 즉 1조분의 1 단위의 먹는물 기준을 제시한 것도 이 과제의 난도를 보여준다.2
왜 MOF인가
Kemira와 CuspAI가 주목한 소재는 MOF다. MOF는 금속-유기 골격체로, 나노다공성 결정성 물질의 한 종류다. 핵심 장점은 구조와 화학적 성질을 특정 여과·흡착 용도에 맞게 정밀 조정할 수 있다는 점이다.1
PFAS 제거 관점에서 이는 중요하다. 제거 대상이 되는 분자에 맞춰 기공 구조나 표면 특성을 설계할 수 있다면, 기존 소재보다 더 선택적인 흡착 소재를 만들 가능성이 커진다. 다만 문제는 선택지가 너무 많다는 데 있다. MOF의 가능한 설계 공간은 수백조 개 후보 구조로 추정된다.1
이번 사례의 핵심: AI가 후보를 압축했다
Kemira와 CuspAI의 프로젝트는 생성형 AI를 이용해 PFAS 제거용 신소재를 설계한 사례다. 목표는 음용수와 공정수에서 sub-ppb 수준의 특정 PFAS 분자를 제거할 수 있는 소재를 찾는 것이었다.1
CuspAI 플랫폼은 약 300조 개의 가능한 MOF 구조 설계 공간을 탐색했다. 그 결과 GenX, PFBS, PFOS 관련 물성 데이터를 포함한 5,000개 이상의 신규 소재 설계를 생성했고, 이를 약 20개의 우선 후보로 좁혔다.1
여기서 중요한 점은 “AI가 최종 제품을 완성했다”가 아니라는 것이다. AI의 역할은 방대한 후보군을 산업적으로 검토 가능한 수준까지 줄이는 데 있었다. 이후의 가치는 실험, 합성, 공정 적용성 검증을 통과해야 확인된다.
산업 조건을 반영한 소재 설계
이번 프로젝트가 흥미로운 이유는 단순히 많은 후보를 만든 데 있지 않다. Kemira가 설정한 조건에는 물 안정성, 환경 적합성, 합성 가능성, 비용 효율성이 포함됐다.1
소재 개발에서 이 조건들은 매우 현실적이다. 물속에서 성능이 유지되지 않으면 정수 소재로 쓰기 어렵고, 합성이 복잡하거나 비용이 높으면 대량 적용이 어렵다. 환경 적합성 역시 PFAS 제거 소재라면 반드시 고려해야 할 기준이다.
따라서 이번 사례는 생성형 AI가 소재 과학에서 단순한 아이디어 생성 도구를 넘어, 실제 산업 제약을 반영한 후보 설계 도구로 쓰일 수 있음을 보여준다.
앞으로 봐야 할 것
앞으로의 관전 포인트는 세 가지다.
첫째, 우선 후보 물질이 실제 물 환경에서도 목표 PFAS를 안정적으로 제거하는가. 실험실 조건에서의 성능과 실제 음용수·공정수 환경의 성능은 다를 수 있다.
둘째, 합성과 비용 조건을 통과하는가. 좋은 흡착 성능만으로는 충분하지 않다. 대량 제조가 가능하고 경제성이 있어야 실제 처리 공정에 들어갈 수 있다.
셋째, 기존 처리 소재와 비교해 어떤 장점이 있는가. 더 높은 선택성, 긴 사용 수명, 낮은 운영비 같은 실질적 이점이 확인되어야 한다.
이번 Kemira와 CuspAI 사례의 결론은 명확하다. 생성형 AI는 PFAS 제거 소재 개발에서 탐색 시간을 줄이고 후보의 질을 높이는 도구가 될 수 있다. 하지만 최종 평가는 이제부터다. 약 20개의 우선 후보가 실험과 제조의 문턱을 넘을 때, AI 기반 소재 설계의 실질적 가치도 함께 증명될 것이다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.