KAIST 김용훈 교수팀, AI로 고성능 양자물성 계산시간 획기적 단축

KAIST 전기및전자공학부 김용훈 교수팀이 개발한 딥SCF 방법론 과정 설명도.(KAIST 제공)/뉴스1
KAIST 전기및전자공학부 김용훈 교수팀이 개발한 딥SCF 방법론 과정 설명도.(KAIST 제공)/뉴스1

(대전=뉴스1) 김태진 기자 = 국내 연구진이 인공지능(AI)을 활용해 3차원 공간에 분포하는 원자 수준의 화학결합 정보를 예측, 양자역학적 고성능 컴퓨터 시뮬레이션의 계산시간을 획기적으로 단축하는데 성공했다.

한국과학기술원(KAIST)은 전기및전자공학부 김용훈 교수팀이 물질의 특성을 도출하기 위해 슈퍼컴퓨터를 활용해 수행되는 원자 수준 양자역학적 계산에 필요한 복잡한 알고리즘을 우회하는 3차원 컴퓨터 비전 인공신경망 기반 계산 방법론을 세계 최초로 개발했다고 30일 밝혔다.

슈퍼컴퓨터를 활용한 양자역학적 밀도범함수론(DFT) 계산은 빠르면서도 정확하게 양자 물성을 예측할 수 있게 해 첨단소재 및 약물설계를 포함한 광범위한 연구·개발 분야에서 표준적인 도구로 자리잡아 필수불가결한 역할을 하고 있다.

그러나 실제 밀도범함수론 계산에서는 3차원적인 전자밀도를 생성한 후 양자역학 방정식을 푸는 복잡한 자기일관장 과정(SCF)을 수십에서 수백 번씩 반복해야 해서 그 적용 범위가 수백~수천 개의 원자로 제한되는 한계가 있었다.

이에 연구팀은 자기일관장 과정을 최근 급속한 발전을 이룬 인공지능 기법으로 회피하는 것이 가능한지 질문을 던지고, 연구를 시작했다.

연구팀은 밀도범함수론에 따라 전자밀도가 전자들의 양자역학적 정보를 모두 포함하고 있으며 이에 더해 전체 전자밀도와 구성원자들의 전자밀도의 합 간의 차이인 잔여 전자밀도가 화학결합 정보를 담고 있는 점에 주목하고 기계학습의 목표물로 선정했다.

이를 통해 3차원 공간에 분포된 화학결합 정보를 컴퓨터 비전 분야의 신경망 알고리즘을 통해 학습해 계산을 가속화하는 딥SCF(DeepSCF) 모델을 개발했다.

이후 다양한 화학결합 특성을 포함한 유기분자들의 데이터 세트를 채택했고 그 안에 포함된 분자들의 원자구조들에 임의의 회전과 변형을 가해 모델의 정확도 및 일반화 성능을 더욱 높였다. 최종적으로 연구팀은 복잡하고 큰 시스템에 대해 딥SCF 방법론의 유효성 및 효율성을 입증했다.

KAIST 전기및전자공학부 김용훈 교수(왼쪽)와 이룡규 박사과정이 기념촬영을 하고 있다.(KAIST 제공)/뉴스1

김용훈 교수는 “3차원 공간에 분포된 양자역학적 화학결합 정보를 인공 신경망에 대응시키는 방법을 찾았다”며 “양자역학적 전자구조 계산이 모든 스케일의 물성 시뮬레이션의 근간이 되므로 인공지능을 통한 물질계산 가속화의 전반적인 기반원리를 확립한 것”이라고 말했다.

전기및전자공학부 이룡규 박사과정이 제1 저자로 수행한 이번 연구는 소재 계산 분야의 권위 있는 학술지 '네이쳐 파트너 저널 컴퓨테이셔널 머터리얼즈' 온라인에 지난 24일 게재됐다.

memory4444444@news1.kr