답변게시됨2주 전Last edited 지난주21 소스

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

두니아 이노베이션스는 AI 모델과 로봇 실험을 결합한 자율 실험실로 재료 발견의 Design‑Make‑Test‑Analyze 사이클을 자동화하고 있다. 물리 법칙을 반영한 ‘Physics‑informed AI’와 실제 실험 데이터를 결합해 촉매와 전기화학 소재를 기존보다 최대 10배 빠르게 찾는 것을 목표로 한다.

Studio Global AI로 검색 및 팩트체크 인기 페이지 더 보기

1.2M0

Conceptual illustration of an AI‑driven autonomous laboratory using robotics and machine learning to discover new materials — How is Dunia Innovations planning to industrialise AI‑driven materials discovery with its €280 million, 6,000 m² Berlin GigaLab—what technolAutonomous laboratories combine AI, robotics, and continuous experimentation to accelerate materials discovery.
AI 프롬프트
Create a landscape editorial hero image for this Studio Global article: How is Dunia Innovations planning to industrialise AI‑driven materials discovery with its €280 million, 6,000 m² Berlin GigaLab—what technol. Article summary: I can verify Dunia’s core strategy—AI plus robotic “self-driving” labs for faster materials discovery—but I found insufficient public evidence for the specific €280 million, 6,000 m² Berlin “GigaLab,” its named partner s. Topic tags: general, general web, user generated, government. Reference image context from search candidates: Reference image 1: visual subject "# Dunia Innovations scores $11.5M for its ‘self-driving lab’ to speed up discovery of new materials. Dunia Innovations, a Berlin-based deeptech startup specialising in AI-driven ma" source context "Dunia Innovations scores $11.5M for its 'self-driving lab' to speed up ..." Reference image 2: visual su
openai.com

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.

Design – 물리 법칙을 반영한 AI 모델이 새로운 소재 후보와 특성을 예측한다.
Make – 로봇 기반 실험 장비가 해당 소재를 자동으로 합성한다.
Test – 자동화된 장비가 촉매 활성, 전기화학 성능 등 물성을 측정한다.
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.

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

Studio Global AI로 검색 및 팩트체크

사람들은 또한 묻습니다.