| 이주용 교수팀, AI기반 양자화학 퍼텐셜 함수 모델 개발 | ||
| 02-20-25 Hit 8 | ||
머신러닝 기반 원자 상호작용 퍼텐셜(MLIP)은 다양한 화학 반응 예측 시뮬레이션에서 양자역학적 정확도를 유지하면서도 계산 속도를 향상시키는 혁신적인 방법이다. 기존 MLIP의 성능은 학습 데이터의 질과 다양성에 크게 의존하며, 특히 전이 상태(transition state) 영역에서의 데이터 부족이 큰 한계로 작용했다.
서울대 이주용 교수팀은 연세대 화학과 심은지 연구팀과 공동으로 다양한 화학반응을 예측할 수 있는 AI기반의 양자화학 퍼텐셜 함수 모델 개발을 했다고 6일 밝혔다. 이번 연구는 세계적인 학술지 '어드밴스드 사이언스(Advanced Science)'에 최근 실렸다.
연구팀은 반경험적 양자역학 계산을 기반으로 한 반응 경로 샘플링 기법을 개발하여, 전이 상태 영역을 포함한 다양한 화학적 구조를 효과적으로 포착했다. Single-ended Growing String Method 및 Nudged Elastic Band (NEB)기법을 결합하여, 기존 MLIP 학습 데이터에서 부족했던 화학반응 경로를 체계적으로 탐색했다.
또한 연구팀은 일반화된 MLIP 모델을 구축할 수 있는 기반을 마련했다. 공개 소스 코드 제공을 통해 연구자들이 쉽게 MLIP 개발에 통합할 수 있도록 하였으며, 기존 데이터셋과의 비교를 통해 약 110배의 계산 효율성을 향상시켰음을 입증했다.
공동 연구팀은 반경험적(semi-empirical) 양자역학 퍼텐셜과 single-ended growing string method, nudged elastic band와 같은 계산 방법들을 결합하여 다양한 반응물들이 따를 수 있는 다양한 화학반응 경로를 자동을 탐색하는 방법론을 확립했다.
연구팀이 이번에 개발한 AI 퍼텐셜은 기존에 발표된 AI 기반 양자화학 퍼텐셜에 비해서 높은 정확도를 보였으며, 특히 전이 상태 근방의 구조에 대한 에너지 및 힘 예측에서 높은 정확도를 보였다.
이번 연구는 환경부 화학사고 예측·예방 고도화 기술개발사업, 과학기술정보통신부 인공지능첨단원천유망기술개발 사업, 한국연구재단 우수신진지원사업, 바이오의료기술개발사업의 지원으로 수행됐다.
출처 : 이코노미사이언스(https://www.e-science.co.kr)