<(왼쪽부터)기계공학과 김민선, 김주오, 박태현 석사과정생>

 

본교 기계공학과 석사생들, 국가소재 연구데이터센터 AI 모델 발표회 수상

 

본교 기계공학과 김민선, 김주오, 박태현 석사과정 학생들로 구성된 팀 (계산과학-인공지능 연구실 소속, 연구책임자 민경민 교수)이 한국표준과학연구원의 국가소재 연구데이터센터에서 실시한 ‘2023년 하계 소재 정보학 융합 교육 소재-AI 모델 발표회’에서 모든 참여팀 중에서 가장 우수한 성과를 거두어 한국표준과학연구원장상을 수상했다.

발표 주제는 “전이 금속 화합물의 양자 물성 예측 머신 학습”으로, 에너지 저장 매체, 유기 태양광 소재, 기능성 염료 등의 분야에서 광범위하게 쓰이는 전이 금속 화합물의 HOMO-LUMO Energy gap을 예측하기 위한 다양한 머신러닝 기법을 제시했다. 최근 인공지능 개발과 소재 데이터베이스 구축의 증가로 머신러닝 기반의 재료 탐색이 주목받고 있다. 이러한 배경에서 기계공학과 학생들이 발표한 연구는, 소재의 기초물성을 예측할 수 있는 다양한 머신러닝/딥러닝 기법의 적용 및 비교 검증을 통해, 기존 양자역학 기반의 계산이나 실험적인 방법들이 가진 시간·비용적인 장애물을 극복했다는 점에서 의의가 있다.

전이 금속 화합물은 전이 금속이 주변의 다른 원자들과 분자적인 결합을 이루고 있는 상태로, 유기물에서 발견하기 어려운 구조적 특성과 전기적, 광학적 특성의 제어 가능성으로 인해 Catalyst 및 Biochemical system에 널리 사용되고 있다. 기존 전이 금속 화합물의 양자 물성 계산을 위해 사용되는 제일 원리 분자 동역학(AIMD) 시뮬레이션은 정확하지만, 높은 계산 처리량과 많은 시간이 필요하다는 한계를 가지고 있다.

해당 발표에서는 AIMD 시뮬레이션의 한계를 극복하고자, Chemical composition을 기반으로 한 머신러닝 모델과 그래프 신경망을 기반으로 한 딥러닝 모델 8종을 비교했다. 그 결과 기존 AIMD 시뮬레이션 방식 대비, 적은 계산 용량과 시간이 필요하며, 동시에 높은 예측 성능을 보이는 머신러닝 모델을 제안했다.

 

 

홍보팀 (pr@ssu.ac.kr)