|
성균관대에 따르면 연구팀은 이 기술을 통해 리튬 고체 전해질 등 다양한 재료의 물리적 성질을 정확히 예측하는데 성공했다.
기존에는 전자·원자의 거동을 기술하는 양자역학 방정식인 슈뢰딩거 방정식을 이용해 물리적·화학적 성질을 예측해왔으나 많은 계산량으로 한계가 있었다.
연구팀은 이번에 개발한 베이지안 위원회 머신(Bayesian Committee Machine, BCM) 포텐셜을 통해 더 빠르고 효율적인 시뮬레이션을 할 수 있게 됐다. 베이지안은 기존의 확률 예측을 새로운 정보를 기반으로 지속 업데이트하는 머신러닝 학습의 한 가지 방식이다.
BCM 모델은 압력을 학습하는 커널 기반 머신러닝 기술을 사용해 분자동역학 시뮬레이션을 실시간으로 학습하며 수행할 수 있다.
|
연구에 참여한 유수행 성균관대 연구교수는 "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 말했다.
한편 이번 연구는 한국연구재단의 우수신진연구사업, 한국과학기술정보연구원(KISTI), 국가슈퍼컴퓨팅센터의 지원으로 수행됐으며, 연구 결과는 국제 학술지 Physical Chemistry Chemical Physics(PCCP)에 지난 7월 31일 게재됐다. 같은 날 명창우 교수는 동 학술지에서 차세대 신진연구자로 선정됐다.