Project description

최근 계산재료과학을 이용한 신소재 개발의 성공사례가 많아지면서, 이에 대한 수요가 증가되고 있다. 특히 여러 계산재료과학 방법 중에서 양자역학을 기반으로 한 제일원리계산(First-principles calculation)이 높은 정확성을 기반으로 가장 폭넓게 활용되고 있다. 소재의 물성은 원자/전자구조에 의해 결정되며, 제일원리계산에서는 보통 원자구조를 초기정보로 하여 전자구조를 얻을 수 있고 이를 기반으로 소재의 물성을 예측할 수 있다. 하지만 이런 접근방식은 실험만 사용할 때보다는 소재개발의 효율성을 높일 수 있지만 여전히 조합이론(combinatorics) 방식에 머물러 있다. 하지만 기존방식의 역방향인 초기정보로서 전자구조를 입력하고, 아웃풋으로 원자구조 및 조성을 예측할 수 있다면 소재설계의 새로운 패러다임을 제공할 수 있다.

본 연구에서는 머신러닝(Machine-Learning)을 이용해 양자계산 및 분석장비를 대신하여 소재의 전자구조 등을 포함한 양자데이터를 매우 빠르고 정확하게 예측하는 신개념 방법론을 개발하고 촉매, 배터리, 반도체 소자 등 다양한 분야에서 요구하는 맞춤형 소재를 찾아주는 “소재-전자구조 양방향 맵핑 기술”을 개발하고자 한다. 더불어 이 기술을 실험연구자도 손쉽게 이용할 수 있도록 하기 위해 플랫폼화 할 계획이다. 시간이 지남에 따라 관련 데이터베이스(DB)의 축적으로 예측 “정확도”와 “속도”가 향상되어지기 때문에 미래에는 본 플랫폼의 지능이 진화할 수 있다.