국민대학교 신소재공학부 인공지능재료설계연구실 소속 박세진 박사과정생과 원예지 학부연구생(지도교수 조기섭)이 최근 개최된 2026 대한금속·재료학회 춘계학술발표대회 인공지능재료과학 세션에서 각각 구두발표 우수상과 학생포스터 발표 우수상을 수상하며 우수한 연구 역량을 입증하였다.

박세진 박사과정생은 「OPSI: An On-premises LLM-based Schema-Inductive Framework for CPSP Database Construction of Ni-based Superalloys」를 주제로 구두발표를 진행했으며, 원예지 학부연구생은 「온프레미스 환경에서의 LLM 기반 표 데이터 추출 자동화 및 프롬프트 자기개선 연구」를 주제로 포스터 발표를 진행하였다. 두 연구는 모두 니켈기 초내열합금 문헌 데이터로부터 조성·공정·미세조직·물성 정보를 신뢰도 높게 추출하고, 이를 인공지능 기반 소재 데이터베이스 구축과 첨단 합금 설계에 활용하기 위한 방법론을 제시했다는 점에서 의미가 크다.

최근 소재 연구 분야에서는 실험 시간과 비용을 줄이고 합금 설계를 가속화하기 위해 기존 문헌 데이터를 체계적으로 수집·분석하려는 시도가 활발하다. 그러나 논문 내 표 구조가 복잡하고 개별 데이터의 가치가 높은 니켈기 초내열합금의 경우, 기존 자동 추출 방식만으로는 정확한 데이터 확보에 한계가 있었다. 또한 클라우드 기반 LLM은 민감한 연구 데이터가 외부 서버로 전송될 수 있다는 보안상 제약이 있어, 보안성과 재현성을 동시에 확보할 수 있는 온프레미스 LLM 환경의 필요성이 커지고 있다.

이에 박세진 박사과정생은 데이터 처리 전 과정을 내부 환경에서 수행하는 온프레미스 기반 OPSI 프레임워크를 설계하고, 온프레미스 LLM의 수치 환각 문제를 모델 내부의 정보 처리 및 추론 과정 관점에서 분석하였다. 이를 바탕으로 기존의 단일 프롬프트 기반 추출 방식을 개선해 항목 식별, 원문 검증, JSON 구조화로 이어지는 3-stage 파이프라인을 제안했다. 그 결과, OPSI 프레임워크는 기존 GPT-4o 기반 추출 방식보다 약 2배 많은 항목을 추출했으며, 추출 정확도 역시 향상시키는 성과를 보였다.

원예지 학부연구생은 온프레미스 LLM 환경에서 GP-UCB 기반 능동학습을 적용해 최적 프롬프트를 탐색하는 방법론을 제안하였다. 연구에서는 프롬프트를 3개 슬롯과 각 5개 후보로 구성해 총 125개 조합을 만들고, GP-UCB를 활용해 유망한 조합을 전략적으로 평가했다. 또한 환각 현상에 높은 패널티를 부여한 손실 함수를 설계해 추출 신뢰도를 높였다. 그 결과, 단 10회 평가만으로 전수 조사와 동일한 최고 성능 프롬프트에 도달하며 능동학습 기반 프롬프트 최적화의 효율성을 입증하였다.

이번 수상은 국민대학교 인공지능재료설계연구실이 추진하고 있는 인공지능 기반 소재 데이터베이스 구축, 프롬프트 엔지니어링, 소재 설계 자동화 연구의 우수성을 인정받은 성과이다. 특히 온프레미스 LLM 환경이 연구 보안과 데이터 추출 효율성을 동시에 확보할 수 있는 실용적 연구 기반임을 보여주었으며, 향후 고온 구조용 소재 및 첨단 합금 설계를 위한 고정밀 데이터베이스 구축에도 중요한 역할을 할 것으로 기대된다.