머신러닝 가 전구체의 휘발성을 정확하게 예측할 수 있게 하는 방법
변동성 예측의 어려움
CPU 및 기타 첨단 기기 제조 과정에서 핵심적인 공정은 반응성 증기를 통해 고체 물질을 증착하는 것입니다. 화학 기상 증착(CVD), 증기 phase 에피택시(VSEP), 원자층 증착(ALD) — 그리고 실제로는 원자층 식각(ALE)이라는 역공정 — 에는 각각 다른 전구체 증기가 사용되며, 나노 규모에서 재료의 품질을 제어하기 위해 각 경우에 맞춰 전구체 화학 성분이 신중하게 설계됩니다. 그러나 이러한 모든 기술에 공통적으로 적용되는 점은, 전구체 화학물질이 충분히 낮은 온도에서 기화하거나 승화해야 한다는 것입니다. 전구체를 기화시킬 때 가열이 과도하면 전구체가 분해되어 성장 표면으로 전달되지 못할 수 있습니다.
이 기술(그리고 증류, 냉동, 잉크젯 인쇄, 식품, 향수 등 다른 분야에서도)에서 휘발성이 그토록 핵심적인 역할을 하고 있음에도 불구하고, 우리가 이에 대해 거의 이해하지 못하고 있다는 사실은 놀랍습니다. 휘발성은 원자 간 힘의 놀라울 정도로 정교한 균형의 산물로, 분자들이 어느 정도까지 응축되어 고체나 액체가 되는지, 아니면 튕겨져 나와 기체가 되어 주어진 온도에서 특정 증기압을 나타내는지 결정합니다. 이러한 원자간 힘은 단일 분자나 분자 집단에 대해서는 양자역학을 통해 매우 정밀하게 계산할 수 있지만, 액체나 고체 수준에서는 불가능합니다. 오늘날의 컴퓨팅 성능을 갖추고 있음에도 불구하고, ‘제1원리’를 바탕으로 전구체의 휘발성을 일상적으로 정확하게 예측하는 것은 안타깝게도 여전히 달성하기 어려운 과제입니다.
머신러닝 접근법
좀 더 경험적인 대안적 접근 방식이 유용할 수 있을까? 휘발성과 화학 구조 간의 관계를 규명할 만한 충분한 실험 데이터가 존재할까? 알코올 성분이나 천연 향료와 같은 일부 유기 분자의 기화 현상은 수세기 동안 연구 대상이었으며, 문헌에는 고품질의 증기압 데이터가 수록되어 있다. 지난 10년 동안 이러한 데이터는 ‘머신러닝’라는 포괄적인 개념 하에 있는 첨단 피팅 알고리즘을 통해 분석되어 왔습니다. Schrödinger 는 최신 머신러닝 기술을 활용하여C20까지의 유기 분자 휘발성을 예측하는 고정밀 모델을 개발했습니다.
그러나 일반적으로 유기금속 착물인 전구체 분자의 휘발성을 예측하기 위해 머신러닝 모델을 구축할 때는 상황이 그리 간단하지 않습니다. 새로운 전구체 분자들이 끊임없이 제안되고 평가되고 있습니다. 상업적 기밀 문제로 인해 데이터가 부분적으로 공개되지 않거나, 실험실마다 실험 조건이 달라 데이터의 일관성이 떨어지는 경우가 종종 있습니다. 또한, 재료 가공이라는 일반적인 목적상, 증기가 반응기로 성공적으로 전달되기 위한 온도에 집중하는 것이 더 실용적이기 때문에 완전한 압력-온도 곡선이 측정되는 경우는 드뭅니다. 그 결과, 예측 모델을 구축하기 위한 데이터 세트는 드물고 불완전합니다.
무기 및 유기금속 착물의 휘발성 예측
Schrödinger 과학자들은 전구체 분자의 휘발성을 예측하기 위해 머신러닝 모델을 구축하는 과제에 착수했습니다. Schrödinger 의 과학자들은 화학 정보학( 머신러닝 ) 및 첨단 정보과학 분야의 내부 전문 지식을 활용하여, 다양한 문헌 출처에서 유기금속 전구체에 관한 정보를 수집하고 디지털화한 뒤, 머신러닝 의 다양한 알고리즘(랜덤 포레스트, 신경망 등)을 여러 화학 정보학 기법 표현자 및 지문(fingerprints)과 결합하여 적용했습니다. 그 결과, 화학 구조를 바탕으로 무기 및 유기금속 착물의 휘발성을 정확하고 효율적으로 예측할 수 있는 최초의 기술이 탄생했습니다.가장 흔한 50가지 금속 및 준금속 착물의 경우, 이 모델은 주어진 증기압에서 증발 또는 승화 온도를 평균 ±9°C(절대 온도의 약 3%)의 정확도로 예측합니다. 훈련된 모델로서 처리 속도가 빠르며, 초당 수백 개의 복합체를 계산할 수 있습니다.
전구체 개발을 위한 새로운 방향
이 예측 모델은 성능이 향상된 새로운 전구체를 설계하는 새로운 길을 열어주며, 단순히 증착이나 식각 반응을 개선할 뿐만 아니라, 전구체가 기화되거나 승화하여 증기 형태로 공급될 수 있는 온도를 최적화합니다. 이러한 발전 덕분에 이전보다 훨씬 더 광범위한 구조적 변형을 컴퓨터 시뮬레이션을 통해 선별할 수 있게 되며, 위험성은 낮추고 혁신성은 높인 실험적 합성 및 테스트용 전구체 후보를 도출할 수 있게 될 것입니다. 이 휘발성 모델은 Schrödinger의 반응성 및 분해 계산을 위한 양자역학 기반 워크플로우와 결합되어, 과학자들에게 증기phase 증착 또는 식각을 위한 완벽한 설계 키트를 제공함으로써, 신기술을 위한 소재 및 공정 연구의 속도를 가속화할 것입니다.