KAIST "인공신경망 모델로 양자역학적 고성능 과학계산 세계 첫 성공"

국내 연구진이 인공지능을 활용해 양자역학적 고성능 컴퓨터 시뮬레이션 계산 시간을 획기적으로 단축하는데 성공했다. KAIST(총장 이광형)는 전기및전자공학부 김용훈 교수 연구팀이 원자 수준 양자역학적 계산에 필요한 복잡한 알고리즘을 우회하는 3차원 컴퓨터 비전 인공신경망 기반 계산 방법론을 세계 최초로 제시했다고 30일 밝혔다. 물질·소재 시뮬레이션에는 △공간-시간 레벨 또는 스케일에 따라 ㎚ 수준에서의 양자역학적 계산 △, 수십~수백 ㎚ 규모의 고전역학적 힘장(force fields) 계산 △거시적 규모에서의 연속체 역학 계산 및 서로 다른 스케일의 시뮬레이션들을 혼합하는 계산 등 다양한 방법론들이 활용된다. 최근에는 기계학습 기법을 도입해 시뮬레이션을 급가속하기 위한 연구가 활발하다. 그러나 상위 스케일 시뮬레이션의 근간을 이루는 양자역학적 전자구조 계산에 기계학습 기법을 도입하는 연구는 아직 미진했다. 이에 연구팀은 3차원적으로 분포된 화학결합 정보를 합성곱신경망(convolutional nueral network, CNN)으로 나타낼 수 있는 'DeepSCF' 방법론을 개발했다. 합성곱신경망은 시각 영상과 같은 데이터를 처리하는 데에 적합한 구조를 가진 심층학습(deep learning) 신경망의 한 종류다. 연구진은 탄소나노튜브 기반의 DNA 염기서열 분석 소자 모델에 딥SCF 방법론을 적용한 결과 고전역학적 원자 간 힘뿐만 아니라 화학 결합의 정보를 담고 있는 잔여 전자밀도 및 전자 상태밀도(density of states, DOS)와 같은 양자역학적 전자구조 특성을 SCF 과정을 수행하는 표준 DFT 계산 결과에 대응되는 정확도로 빠르게 예측하는데 성공했다. 김용훈 교수는 "인공지능을 활용한 물성 연구 및 나노소재·소자 설계의 기반 원리를 제공할 뿐만 아니라 첨단 인공신경망 모델을 고성능 과학계산에 효율적으로 활용하는 일반적인 아이디어를 제시한 것"이라며 "인공지능의 과학·기술 응용 분야 전반의 발전에 중요한 단초를 제공할 것"으로 기대했다.