혁신적인 AI 기반 재료 시뮬레이션: 초소형 매개변수 머신러닝 모델 SUS2-MLIP 등장

물리적 제약 조건을 통합한 초소형 매개변수 머신러닝 모델 SUS2-MLIP 개발로, 재료 시뮬레이션의 정확성과 효율성을 크게 향상시켰습니다. 범용 상태 방정식 기반의 글로벌 스케일링과 비선형 상호작용 함수를 통해 다원소 재료 및 물성 예측에서 뛰어난 성능을 보였습니다.

머신러닝(ML)을 활용한 원자간 상호작용 및 퍼텐셜 에너지 표면(PES) 생성은 재료 설계 및 시뮬레이션 분야의 혁신을 주도하고 있습니다. 하지만 기존의 머신러닝 원자간 퍼텐셜(MLIP) 모델들은 물리적 제약 조건이 부족하여, 모델의 일반화 및 물리적 확장성에 어려움을 겪어왔습니다.

이러한 문제를 해결하고자, Yanxiao Hu를 비롯한 10명의 연구진은 물리 정보 기반의 범용 스케일링 법칙과 비선형 상호작용 함수를 통합한 초선형 MLIP 모델인 SUS2-MLIP를 개발했습니다.

SUS2-MLIP의 핵심은 범용 상태 방정식(UEOS)에 기반한 글로벌 스케일링입니다. 이를 통해 원소 공간과 좌표 공간을 분리하여 매개변수를 획기적으로 줄였을 뿐만 아니라, 도메인 외부 문제를 자연스럽게 해결하고, 상대적으로 작은 훈련 데이터셋으로도 일반화 및 확장성을 확보했습니다.

또한, 비선형 상호작용 함수 변환을 통해 표현력을 향상시켜 초선형 성능을 달성했습니다. 다양한 실험 결과를 통해 SUS2-MLIP는 기존 최첨단 MLIP 모델들을 능가하는 계산 효율성, 특히 다원소 재료 및 물성 예측에서 뛰어난 물리적 확장성을 보여주었습니다.

이 연구는 단순히 고효율의 범용 MLIP 모델을 제시한 것 이상의 의미를 지닙니다. 인공지능 기반 재료 시뮬레이션에 물리적 제약 조건을 효과적으로 통합하는 새로운 방향을 제시함으로써, 재료 과학 및 관련 분야의 발전에 크게 기여할 것으로 기대됩니다. SUS2-MLIP의 등장은 향후 더욱 정교하고 효율적인 재료 설계 및 시뮬레이션 시대를 앞당길 중요한 이정표가 될 것입니다.

주요 연구진: Yanxiao Hu, Ye Sheng, Jing Huang, Xiaoxin Xu, Yuyan Yang, Mingqiang Zhang, Yabei Wu, Caichao Ye, Jiong Yang, Wenqing Zhang