KAIST 전기전자공학부의 김용훈 교수팀이 인공지능을 활용하여 양자역학적 전자구조 계산의 시간을 혁신적으로 단축하는 데 성공했다. 이들은 세계 최초로 합성곱 인공신경망 모델을 통해 3차원 공간에 분포하는 화학결합 정보를 예측하여 고성능 컴퓨터 시뮬레이션의 계산 과정을 가속화하는 방법론을 개발했다.
최근 노벨 물리학상과 화학상이 인공지능과 고성능 과학 계산의 연관성을 강조하며 수여된 가운데, KAIST 연구진의 성과는 이러한 흐름에 힘을 보탰다. 연구팀은 물질 특성을 도출하기 위해 슈퍼컴퓨터를 활용한 원자 수준의 양자역학적 계산에 복잡한 알고리즘을 우회하는 방안을 모색했다.
양자역학적 밀도범함수론(DFT) 계산은 빠르고 정확하게 양자 물성을 예측할 수 있어 첨단 소재 및 약물 설계 등 다양한 연구 및 개발 분야에서 필수적인 도구로 자리 잡고 있다. 그러나 실제 DFT 계산 과정에서는 전자밀도를 생성한 후, 복잡한 자기일관장(SCF) 과정을 수십 번에서 수백 번 반복해야 하므로 수백에서 수천 개의 원자로 제한되는 한계가 있었다.
김용훈 교수팀은 이러한 SCF 과정을 인공지능 기법으로 회피할 수 있는지에 대한 질문을 던졌고, 그 결과 딥SCF(DeepSCF) 모델을 개발하여 3차원 공간에 분포된 화학 결합 정보를 컴퓨터 비전 분야의 신경망 알고리즘을 통해 학습하고 계산을 가속화하는 방법을 제시했다.
연구진은 전자밀도가 양자역학적 정보를 포함하고 있다는 점에 주목하고, 잔여 전자밀도가 화학결합 정보를 담고 있다는 사실을 기계학습의 목표물로 설정했다. 다양한 유기 분자의 데이터 세트를 활용하여 임의의 회전과 변형을 적용함으로써 모델의 정확도와 일반화 성능을 더욱 향상시켰다.
김용훈 교수는 "3차원 공간에 분포된 양자역학적 화학결합 정보를 인공 신경망에 대응시키는 방법을 찾았다"며, "양자역학적 전자구조 계산이 물성 시뮬레이션의 근간이 되므로, 인공지능을 통한 물질 계산 가속화의 기반 원리를 확립한 것"이라고 강조했다.
이번 연구는 전기전자공학부의 이룡규 박사과정이 제1저자로 참여하였으며, 권위 있는 학술지 '네이처 파트너 저널 컴퓨테이셔널 머터리얼즈(Npj Computational Materials)'에 10월 24일 온라인으로 게재되었다.
한편 이 연구는 KAIST 석박사 모험사업 및 한국연구재단 중견연구자 지원사업의 지원을 받아 수행되었다.
Copyright ⓒ 이웃집과학자 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
