PNNL은 에너지 신뢰성 연구를 포함해 과학 연구를 위한 AI를 발전시키는 Genesis Mission 프로젝트 5건을 지원하고 있다.

2026년 10월 12일 — 국가의 에너지를 안정적이고 저렴하게 유지하려면 과학적 난제를 그 어느 때보다 빠르게 해결해야 합니다. 태평양북서부국립연구소(PNNL)의 연구진은 전력망 운영, 지구과학, 컴퓨팅 분야의 전문성을 바탕으로 인공지능(AI)을 활용해 이러한 과제를 해결하는 Genesis Mission 지원 신규 프로젝트 5건에 참여하고 있습니다.

이 다섯 프로젝트는 지하 깊은 곳의 새로운 에너지원을 활용하고, 암석 지층 내에서 유체가 어떻게 흐르는지 이해하며, 날씨의 불확실성이 전력망 운영 계획에 미치는 영향을 통합하고, 과학자들이 평이한 언어로 된 지시만으로 복잡한 물리 실험을 계획할 수 있도록 하며, AI 코딩 에이전트를 활용해 컴퓨터를 원활하게 운영하는 재사용 가능한 프레임워크를 구축하는 것을 목표로 합니다.

어느 경우에도 AI가 과학자를 대체하는 것은 아닙니다. AI는 과학자들이 더 빠르게 일하고 더 나은 결정을 내릴 수 있도록 돕는 강력한 파트너가 되고 있습니다.

PNNL의 데브 그래시오 소장은 "이 다섯 프로젝트는 Genesis Mission의 취지와, 정부, 산업계, 학계가 협력하여 과학, 에너지, 국가안보 분야에서 그동안 달성하기 어려웠던 해법에 더 빠르게 다가가고자 하는 노력을 반영합니다."라고 말했습니다. "우리는 이 도전 과제들이 요구하는 인재, 시설, 데이터를 함께 모아 우리의 에너지 미래를 보장하고 발견 과학 분야에서 국가의 리더십을 강화하고 있습니다."라고 덧붙였습니다.

**전력망의 불확실성 줄이기**

전력망 계획 담당자들은 날씨 패턴이나 전력 수요를 예측할 수 없는 상태에서도 몇 년 앞서 신규 송전선로와 변전소의 부지를 선정합니다. 이러한 추측에 의존한 계획은 심한 한파처럼 전력 수요가 급격히 변하는 상황에 전력망이 대비하지 못하게 만들 수 있습니다.

MIT가 주도하고 PNNL의 나탈리 보이신이 참여하는 연구팀은 계획 담당자들이 가능한 여러 미래에 대비할 수 있도록 AI를 활용하고 있습니다. 연구진은 현재보다 약 1,000배 빠르게 현실적인 날씨 시나리오를 생성하도록 AI 모델을 훈련하고 있습니다. 이 프로젝트의 다른 부분에서는 전력 수요 시나리오와 경제 전망도 생성합니다. 과거에는 이처럼 많은 시나리오를 처리하려면 가용 컴퓨팅 자원이 부족했을 것입니다. 그러나 AI와 정교한 모델 맞춤화 덕분에 이 계획은 실현 가능해졌습니다. 이 접근법은 천연가스에 크게 의존하는 뉴잉글랜드 지역과, 풍력, 태양광, 전력 수요가 모두 빠르게 증가하고 있는 텍사스의 전력망에서 시험될 예정입니다.

**현실에 더 가까운 유체 흐름 모델**

핵심 광물을 회수하고 지열을 활용하는 일은 암석 내부에서 유체가 어떻게 이동하는지 예측하는 데 달려 있습니다. 시뮬레이션이 도움이 될 수 있지만, 연구 대상 시스템의 복잡성은 기존 방법을 쉽게 압도할 수 있습니다. 오리건주립대학교가 주도하고 PNNL의 팀 샤이브가 참여하는 연구팀은 AI로 이 문제를 해결하고자 합니다.

연구진은 개별 기공을 통과하는 유동에 대한 상세한 시뮬레이션과 실제 암석 또는 퇴적물 시료의 3차원 X선 스캔 자료로 AI를 훈련할 계획입니다. AI는 형태를 평가하고, 그 형태가 다양한 종류의 다공성 지층에서 유체가 얼마나 쉽게 흐르는지와 같은 물리적 특성에 어떤 영향을 미치는지 해석합니다. 연구팀은 AI의 답변이 현실적이고 신뢰할 수 있도록 물리 법칙을 AI에 통합하고 있습니다.

**컴퓨팅 언어 격차를 메우는 AI 코딩 에이전트**

국가의 과학 인프라 상당수는 수십 년에 걸쳐 오늘날 우리가 사용하는 것과 다른 프로그래밍 언어로 만들어진 컴퓨터 프로그램으로 운영되고 있습니다. 새로운 프로그램으로 전환할 때마다 번역 문제가 생길 수 있습니다. 프로그래머들은 이러한 격차를 수작업으로 메워 왔지만, 이제 아르곤국립연구소가 주도하고 PNNL의 앤드루 럼즈데인이 참여하는 연구팀이 이 격차를 메우기 위한 AI 시스템을 구축하고 있습니다.

연구팀은 AI 코딩 "어시스턴트"를 활용하여, 프로그래머가 AI가 생성한 코드 번역을 신속하게 검증할 수 있는 재사용 가능한 프레임워크를 만들 계획입니다. AI가 코드 변경을 제안하면 해당 코드가 실행되고, 과학적 정확성이 검증되며, 다듬어집니다. 모든 단계는 기록되고, 성공한 해법은 널리 공유됩니다. 연구팀은 화학, 풍력 터빈, 토지 모델링에 사용되는 실제 과학 프로그램으로 이 프레임워크를 시험할 예정입니다. 결과는 시간, 비용, 인적 노력의 절감 정도로 측정됩니다.

**지하에 갇힌 에너지에 더 빨리 접근하는 AI**

강화 지열 시스템은 하루 24시간 청정 전력을 공급할 잠재력이 있습니다. 그러나 지하 깊은 곳에 대해 아직 잘 알려지지 않은 부분이 많기 때문에 이러한 시스템을 건설하는 데에는 위험이 따를 수 있습니다.

캘리포니아대학교 어바인 캠퍼스가 주도하고 PNNL의 케빈 로소가 참여하는 연구팀은 기존 지식을 종합하고 이를 발전시키기 위해 AI 에이전트 팀을 구축하고 있습니다. 이 에이전트들은 모니터링되는 지열 발전소 20곳의 데이터, 슈퍼컴퓨터 시뮬레이션, 발표된 연구 결과에 접근할 수 있습니다. 새로운 데이터가 들어오면 예측을 갱신하고, 균열이 어떻게 성장할지 예측하며, 지진 위험을 평가합니다. 운영자는 채팅 인터페이스를 통해 시스템에 질문할 수 있습니다. 내장된 물리 검증 기능이 답변을 현실적으로 유지합니다. 연구팀은 개발 기간과 재정적 위험을 최대 35퍼센트까지 줄이는 것을 목표로 하고 있습니다.

**고급 물리학을 위한 공유 자원**

2025년 가을, 7개 국립연구소는 미국 에너지부가 운영하는 거의 12개에 달하는 첨단 입자가속기를 구동하는 소프트웨어와 AI를 연결하는 공유 AI 플랫폼 구축에 착수했습니다. 이 복잡한 장비들은 입자들을 빛에 가까운 속도로 충돌시켜 물리 우주의 근본 법칙, 힘, 구성 요소를 밝혀냅니다. 이제 로렌스버클리국립연구소가 주도하고 PNNL의 말라카이 슈람이 참여하는 연구팀이 이 플랫폼을 확장할 계획입니다. 과학자들은 평이한 언어로 요청을 입력할 수 있게 되며, 그 이면에서 AI가 이 요청을 정밀한 기계 명령으로 변환합니다. 이 과정에서 여러 시설의 지식을 활용하고, 한 연구소에서 이루어진 개선 사항을 모든 연구소가 함께 누리도록 전파합니다.