AI·로봇 결합한 자율 실험실…두니아 이노베이션스가 바꾸려는 재료 발견의 방식

현대 기술의 상당수는 재료 과학(materials science) 위에서 작동한다. 배터리, 반도체, 촉매, 수소 생산 기술까지 거의 모든 산업이 새로운 소재의 발견에 의존한다. 하지만 실제로 새로운 소재를 찾는 과정은 여전히 느리고 비용이 많이 드는 실험 중심의 작업이다.

독일 베를린의 딥테크 스타트업 두니아 이노베이션스(Dunia Innovations) 는 이 문제를 해결하기 위해 AI와 로봇을 결합한 자율 실험실(autonomous lab) 플랫폼을 개발하고 있다. 이 시스템은 사람이 하나씩 실험을 수행하는 대신, 알고리즘이 실험을 설계하고 로봇이 실행하며 결과가 다시 AI 모델로 돌아가는 자동화된 연구 루프를 구축하는 것이 핵심이다.

재료 발견의 가장 큰 병목: 실험 검증

AI 모델은 이론적으로 수천 개의 새로운 소재 후보를 예측할 수 있다. 하지만 실제 산업 기술이 되려면 반드시 합성(synthesis), 성능 테스트, 실험 검증 과정을 거쳐야 한다.

전통적인 연구는 보통 다음과 같은 단계로 진행된다.

Design → Make → Test → Analyze (DMTA)

이 과정은 반복적으로 진행되며, 새로운 촉매나 기능성 소재가 실제 산업에 적용되기까지 수년이 걸리는 경우도 흔하다.

두니아의 접근 방식은 이 DMTA 사이클 자체를 자동화하는 것이다. 실험을 개별 프로젝트 단위가 아니라 연속적으로 실행되는 데이터 생성 시스템으로 바꾸는 것이다.

AI와 로봇이 함께 움직이는 ‘폐쇄 루프 실험실’

두니아 플랫폼의 핵심은 AI 모델 + 로봇 실험 장비 + 실험 데이터 피드백을 하나의 시스템으로 묶은 폐쇄 루프 구조다.

기본 흐름은 다음과 같다.

1. Design – 물리 법칙을 반영한 AI 모델이 새로운 소재 후보와 특성을 예측한다.
2. Make – 로봇 기반 실험 장비가 해당 소재를 자동으로 합성한다.
3. Test – 자동화된 장비가 촉매 활성, 전기화학 성능 등 물성을 측정한다.
4. Analyze – 결과 데이터가 AI 모델에 다시 입력되어 다음 실험 설계가 개선된다.

이 과정이 반복되면서 실험 데이터가 빠르게 축적되고, AI 모델은 실제 실험 결과를 기반으로 점점 더 정확한 예측을 하게 된다.

두니아는 이 시스템을 “materials acceleration platform” 이라고 부른다. 즉, 소재 발견 속도를 산업적으로 가속하기 위한 연구 인프라다.

물리 기반 AI가 중요한 이유

일반적인 화학 AI 모델은 과거 데이터에서 통계적 패턴을 찾는 방식에 의존한다.

두니아는 여기에 물리·화학 법칙을 반영한 Physics‑informed AI 접근을 사용한다. 이렇게 하면 모델이 제안하는 후보가 단순히 이론적으로만 가능한 것이 아니라 실험적으로도 실제 합성이 가능한 방향으로 좁혀진다.

기후 기술 액셀러레이터 Third Derivative는 이런 접근 방식이 전기화학 소재 발견을 최대 10배 빠르게, 비용은 기존 연구의 약 3분의 1 수준으로 줄일 가능성이 있다고 설명한다.

초기 연구 분야: 에너지 전환 소재

두니아의 초기 연구는 에너지 전환에 필요한 전기화학 소재와 촉매에 집중돼 있다.

대표적인 분야는 다음과 같다.

• 그린 수소 및 암모니아 생산용 전기촉매
• CO₂를 화학물질이나 연료로 전환하는 촉매
• 산업 탈탄소화를 위한 고효율 촉매

특히 회사는 Power‑to‑X 기술에 필요한 전기활성 소재(electroactive materials)에 초점을 맞추고 있다. 이는 재생에너지 전력을 화학 연료나 원료로 바꾸는 기술이다.

이 분야는 수많은 조합의 소재를 테스트해야 하기 때문에 자동화 실험 시스템의 효과가 특히 큰 영역으로 평가된다.

독일 ASCEND 컨소시엄과 산업 협력

두니아의 대표적인 산업 협력 프로젝트는 독일의 ASCEND 촉매 연구 컨소시엄이다.

참여 기관은 다음과 같다.

• Dunia Innovations
• BASF
• Siemens Energy
• Helmholtz‑Zentrum Berlin
• 막스플랑크 연구소 산하 Fritz Haber Institute
• 베를린 공과대학교(TU Berlin)

이 프로젝트에는 독일 연방 정부가 3,000만 유로를 지원하고 있다.

목표는 AI 모델링, 자동화 실험, 산업 데이터를 결합해 에너지 집약 산업의 탈탄소화를 위한 차세대 촉매를 더 빠르게 개발하는 것이다.

투자와 딥테크 생태계

두니아는 2022년에 설립되었으며 현재까지 약 **1,060만 유로(약 1,150만 달러)**의 투자를 유치했다.

주요 투자자는 다음과 같다.

• Elaia
• redalpine
• European Innovation Council (EIC)
• Pace Ventures
• Kindred Capital
• Deep Science Ventures
• Anglo American

이는 유럽에서도 AI 기반 과학 연구 인프라에 대한 투자가 점점 늘어나고 있음을 보여준다.

산업 AI와 로봇 기술의 확장 생태계

자율 실험실은 단순한 실험 장비가 아니라 AI, 로봇, 시뮬레이션 기술이 결합된 시스템이다.

예를 들어 산업 분야에서는 이미 다음과 같은 기술 협력이 진행되고 있다.

• Siemens와 NVIDIA는 산업용 디지털 트윈과 AI 기반 시뮬레이션 기술을 공동 개발하고 있다.
• ABB Robotics는 NVIDIA Omniverse 기반 시뮬레이션을 활용해 로봇을 가상 환경에서 학습시키는 기술을 개발 중이다.

이러한 기술들은 향후 자동화 연구 시설이 대규모로 운영될 때 필요한 핵심 인프라 기술과도 밀접하게 연결된다.

자율 실험실이 바꿀 연구 경제학

만약 두니아와 같은 시스템이 대규모로 확산된다면 과학 연구의 방식 자체가 달라질 수 있다.

자율 실험실이 약속하는 변화는 다음과 같다.

• 소재 발견 속도의 대폭 증가
• AI 학습에 필요한 실험 데이터의 폭발적 증가
• 연구 개발 비용 절감
• 24시간 지속되는 자동 실험 환경

이는 에너지, 화학, 전자, 제조 등 수조 달러 규모 산업의 기반 기술에 직접적인 영향을 줄 수 있다.

유럽은 전통적으로 재료 과학 분야에서 강점을 갖고 있지만, 대규모 AI 인프라에서는 미국과 중국에 뒤처졌다는 평가도 있다. AI 소프트웨어와 실제 실험 자동화를 결합한 플랫폼은 이런 격차를 줄이는 데 중요한 역할을 할 가능성이 있다.

핵심 정리

두니아 이노베이션스는 AI‑네이티브 과학 연구 인프라라는 새로운 모델을 실험하고 있다.

이 접근 방식의 핵심은 단순한 AI 예측이 아니라 AI가 실험을 설계하고 로봇이 수행하며 결과가 다시 모델을 개선하는 자동화 연구 시스템이다.

촉매와 에너지 소재에서 이미 적용이 시작된 이 방식이 성공적으로 확장된다면, 미래의 재료 연구는 전통적인 연구실이 아니라 24시간 작동하는 ‘자동화된 연구 공장’ 형태에 더 가까워질 수 있다.