백서인 교수 연구팀이 이화여자대학교 화공신소재공학과 나종걸 교수 연구팀과 협업하여 초기 결정 구조로부터 안정한 바닥 상태의 에너지를 예측하는 인공지능 모델 ESNet(Electronic Structure Network)을 개발하였다.

효율적인 신소재 발견을 위해서는 대량의 물질의 물성에 대한 빠르고 정확한 평가가 필요하고, 이를 수행하고자 인공지능 모델이 주로 활용되어 왔다. 그러나, 기존의 구조 정보 기반 인공지능 모델은 바닥 상태의 결정 구조를 얻는 추가적인 구조 최적화 과정을 필요로 하여 대량의 물질에 대해서는 고속 탐색이 어렵다는 한계점을 지닌다.

그림 1. a) ESNet의 세부 모식도. b) ESNet에 사용된 Self-attention 모듈의 모식도.

연구팀은 이러한 한계를 극복할 수 있는 결정 구조 표현법으로 상태밀도 (density of states)를 제안했다. 상태밀도는 결정 구조마다 서로 다른 값을 보이며, 구조 최적화 전, 후로 구조 정보가 크게 달라지지 않아 적절한 구조 민감도를 보인다. 이를 토대로, 초기 구조의 상태밀도로부터 바닥 상태의 에너지를 예측할 수 있는 인공지능 모델인 ESNet을 개발하였다. 

ESNet은 동일한 목적으로 개발된 타 인공지능 모델보다 뛰어난 예측 정확도를 보이며, 실제로 기존 대비 18%만의 계산으로 열역학적으로 안정한 물질을 탐색해낼 수 있음을 확인하였다. 본 연구는 인공지능과 화학 시뮬레이션을 접목해 실험 없이 최적의 소재를 만들어낼 수 있는 원천기술을 개발하였다는 의미가 있다. 

그림 2. a) ESNet과 타 모델의 예측 성능 비교. b) ESNet을 통해 안정한 물질을 탐색하는 과정

해당 연구 성과는 재료설계 분야의 국제 학술지인 ‘Journal of Materials Chemistry A’ (인용지수 14.511, JCR 상위 7.14 %)에 ‘Chemically Inspired Convolutional Neural Network using Electronic Structure Representation’라는 제목으로 게재되었다. 

연구실 홈페이지: https://www.seoinback.com/

논문 링크: https://pubs.rsc.org/en/content/articlelanding/2023/TA/D3TA01767B