발표자

아난드 찬드라세카란
선임 연구원

요약

재료 혁신 연구개발(R&D) 주기는 오랫동안 양자역학 및 분자 동역학( 분자동역학 )과 같은 물리 기반 시뮬레이션 엔진을 활용해 왔으며, 이를 통해 다양한 응용 분야와 산업에 필요한 신소재의 화학 성질, 구조, 형태 및 조성 등을 발견하는 데 드는 비용을 절감해 왔습니다. 지난 몇 년간 연산 능력의 향상과 재료 특성 대규모 데이터셋 구축에 대한 관심이 높아짐에 따라, 재료 과학 분야에서 재료 정보학 및 AI 기반 접근법의 채택이 점차 확대되고 있습니다. 그러나 이러한 접근법은 데이터 집약도가 매우 높을 뿐만 아니라, 훈련 모델의 화학적 공간을 넘어선 결과를 도출해 내지 못하는 한계가 있습니다. 이번 웨비나에서는 여러 사례 연구를 통해 정확도와 계산 복잡성 간의 상충 관계가 물리 기반 모델링과 데이터 주도적( 머신러닝 ) 방법 간의 자연스러운 시너지를 이끌어낸다는 점을 입증하고, 대규모 데이터셋이 없는 상황에서도 이러한 방법을 성공적으로 적용할 수 있음을 보여드립니다. 최신 물리 기반 및 데이터 주도적 접근법을 결합함으로써, 광범위한 화학적 설계 공간 전반에 걸쳐 재료 설계를 위한 의사결정 과정을 신속하게 평가할 수 있습니다. 본 웨비나에서는 유기 전자, 항공우주, 자동차 및 반도체 산업을 포함한 최근의 몇 가지 사례 연구를 통해 이 개념을 시연할 예정입니다. 액티브 러닝, 유전 최적화, 심층 신경망과 같은 첨단 머신러닝 기법을 활용하여, 증기압, 전자 구조, 화학 결합 안정성, 광학적 특성 및 열역학적 특성과 같은 주요 재료 특성을 사용자의 편향 없이 또는 최소한의 편향으로 예측할 수 있는 방법을 보여드릴 것입니다.