성균관대학교 산학협력단

에너지과학과 명창우 교수 연구팀, 대규모 원자 모델링 AI 개발

- 대규모 원자 모델링 통해 얼음 상태도 등 다양한 재료 응용 가능성 선보여

▲ (왼쪽부터) 에너지학과 명창우 교수, 유수행 연구교수, 김동건 석사과정생, Radhakrishnan Sundheep 연구원

에너지과학과 명창우 교수 연구팀(제1저자: 유수행 연구교수)이 대규모 원자 모델링을 위한 새로운 인공지능(AI) 기술을 개발했다. 연구팀은 이 기술을 통해 얼음의 상태도, 질화 붕소 액체상, 리튬 고체 전해질 등 다양한 재료의 물리적 성질을 정확하게 예측하는 데 성공했다.

기존에는 슈뢰딩거 방정식*을 이용해 재료의 물리적/화학적 성질을 예측해왔으나, 많은 계산량으로 인한 한계가 있었다. 그러나 이번에 개발된 베이지안* 위원회 머신(Bayesian Committee Machine, BCM) 포텐셜*을 통해 더 빠르고 효율적인 시뮬레이션이 가능해졌다. 이는 에너지, 반도체, 바이오 등 여러 산업에 중요한 영향을 미칠 것으로 기대된다.

* 슈뢰딩거 방정식: 전자 및 원자의 거동을 기술하는 양자역학 방정식

* 베이지안: 기존의 확률예측을 새로운 정보를 기반으로 지속적으로 업데이트하는 머신러닝 학습의 한 가지 방식

* 포텐셜: 원자 및 분자가 어떻게 상호작용하는지 예측하는 모델

BCM 모델은 압력을 학습하는 커널 기반 머신러닝 기술을 사용하여, 분자동역학 시뮬레이션을 실시간으로 학습하며 수행할 수 있다. 이를 통해 얼음의 상태도와 같은 복잡한 물리적 현상도 정확하게 예측할 수 있게 되었으며, 리튬 고체 전해질과 질화 붕소 액체상의 특성도 재현할 수 있다.

▲ 실시간 대규모 원자 시뮬레이션 AI 모델 개략도

연구에 참여한 유수행 연구교수는 “이번에 개발된 머신러닝 포텐셜은 앞으로 118종의 원소를 제1원리 수준에서 시뮬레이션할 수 있는 범용 기술의 기초가 될 것”이라고 밝혔다. 명창우 성균관대 교수는 “제1원리 계산은 많은 시간과 컴퓨팅 자원이 소요되지만, 범용 머신러닝 포텐셜을 사용하면 계산 시간을 대폭 줄일 수 있어 배터리, 태양전지, LED와 같은 에너지 소재를 더 빠르고 효율적으로 개발할 수 있을 것"이라고 설명했다.

이번 연구는 한국연구재단의 우수신진연구사업, 한국과학기술정보연구원(KISTI), 국가슈퍼컴퓨팅센터의 지원으로 수행되었으며, 연구 결과는 국제 학술지 Physical Chemistry Chemical Physics(PCCP)에 7월 31일 게재되었다. 같은날 명창우 교수는 동 학술지에서 차세대 신진연구자로 선정되었다.

※ 논문명: Active sparse Bayesian committee machine potential for isothermal-isobaric molecular dynamics simulations 

※ 논문링크: https://pubs.rsc.org/en/content/articlelanding/2024/cp/d4cp01801j

※ 저자명: Soohaeng Yoo Willow, Dong Geon Kim, R. Sundheep, Amir Hajibabaei, Kwang S. Kim and Chang Woo Myung