스피룰리나 생산 앞당기고 에너지 낮춘 AI

울산과학기술원(UNIST) 탄소중립대학원 임한권 교수팀과 인도네시아대학교 리에즈카 안디카 교수팀이 기후와 배양 상태에 맞춰 스피룰리나의 생육 조건을 자동 조절하는 AI 알고리즘을 개발했다. 다중 에이전트 강화학습을 적용해 생산 속도를 높이는 동시에 조명과 냉난방 등에 투입되는 에너지를 줄이도록 설계했다.

알고리즘은 빛과 온도, 영양분, 이산화탄소, 산성도를 나눠 맡은 5개 AI가 조명 밝기와 냉난방 출력, 물질 투입량을 조정하는 방식이다. 연구진은 이산화탄소·산소 농도와 스피룰리나 양을 포함한 7개 조건의 변화를 계산하는 가상 배양 환경을 구축하고, 생장은 많고 에너지 소비는 적을수록 높은 점수를 주며 AI를 학습시켰다. 8개 도시의 사계절 기상 자료로 평가한 결과 수확 기준 농도에 기존 방식보다 59시간 빨리 도달했다.

건조 스피룰리나 1㎏ 생산에 필요한 에너지는 평균 14% 감소했고, 계절별 기온 변화가 큰 울산에서는 절감 폭이 최대 20%로 나타났다. 단백질 함량이 60%에 이르고 필수아미노산과 비타민, 무기질이 풍부한 스피룰리나는 건강식품과 대체 단백질 원료로 활용될 가능성이 크다. 그러나 기온과 일사량이 지역·계절마다 달라지고 여러 생육 조건이 맞물려 채산성을 확보하기 어렵다는 문제가 있었다.

이산화탄소를 지나치게 공급하면 배양액이 산성화돼 광합성과 생장이 저해될 수 있고, 인공조명을 강하게 가동하면 광합성에는 유리하지만 전력 소비가 늘어난다. 이번 기술은 이런 상충 관계와 제어 효과의 시차를 함께 반영해 생산성과 지속 가능성을 높이는 데 초점을 맞췄다. 현재는 가상 환경에서 성능을 확인한 단계로, 연구진은 센서와 제어 장치를 갖춘 실제 배양 시설에서 검증할 계획이다. 연구 결과는 국제 학술지 ‘생물자원 기술’에 6월 19일 온라인 게재됐다.