마이크로소프트, 머터심 기반 신소재 개발 가속화
마이크로소프트가 머신러닝 모델 머터심을 활용해 신소재 설계 주기를 획기적으로 단축했습니다. 인공지능 예측과 실제 실험을 결합해 소재 개발의 효율성과 정확도를 동시에 확보했습니다.
주장마이크로소프트는 머터심(MatterSim) 모델을 도입해 신소재 설계 과정을 가속화합니다. 기존의 비용과 시간이 많이 소요되던 소재 개발 주기를 머신러닝 기반 예측으로 획기적으로 줄였습니다.
팩트마이크로소프트는 머터심 버전 1을 활용해 24만 개 이상의 후보 물질을 스크리닝했습니다. 이 과정에서 사방정계 탄탈륨 인(TaP)이 고성능 열전도체로서 잠재력을 지녔음을 확인했습니다.
팩트연구진은 사방정계 탄탈륨 인을 실제 합성해 열전도도를 측정했습니다. 측정 결과 열전도도는 152 W/m/K로 나타나 실리콘과 유사한 수준임을 입증했습니다.
교차검증신소재 개발에서 머신러닝 모델의 예측은 실험적 검증을 거쳐야 합니다. 이번 연구는 컴퓨터 시뮬레이션 결과가 실제 실험실 환경에서도 유효함을 확인했다는 점에서 의미가 큽니다.
팩트머터심 버전 1은 기존 대비 모델 추론 속도를 3배에서 5배까지 향상했습니다. 또한 램프스(LAMMPS) 소프트웨어 패키지와 통합해 여러 그래픽 처리 장치를 활용한 대규모 시뮬레이션 환경을 구축했습니다.
주장마이크로소프트는 새로운 다중 작업 파운데이션 모델인 머터심-엠티(MatterSim-MT)를 공개했습니다. 이 모델은 에너지 표면 예측을 넘어 복잡한 다중 속성 현상까지 시뮬레이션합니다.
팩트머터심-엠티는 89개 원소를 포함한 3,500만 개 이상의 구조 데이터를 학습했습니다. 해당 모델은 최대 5,000켈빈의 온도와 1,000기가파스칼의 압력 조건까지 모의실험을 수행합니다.
팩트이 모델은 베이더 전하, 자기 모멘트, 본 유효 전하, 유전 행렬 등 다양한 물성을 예측하도록 미세 조정되었습니다. 이는 촉매 및 에너지 저장 장치와 같은 첨단 분야 연구에 필수적인 요소입니다.
교차검증머신러닝 기반 소재 설계는 기존의 제일원리 계산 방식보다 빠르지만, 모델의 정확도와 일반화 성능에 대한 지속적인 검증이 필요합니다. 마이크로소프트는 다양한 학계와 협력해 모델의 신뢰성을 확보하고 있습니다.
출처마이크로소프트 공식 블로그(https://www.microsoft.com/en-us/research/blog/advancing-ai-for-materials-with-mattersim-experimental-synthesis-faster-simulation-and-multi-task-models/)를 통해 위 내용을 교차 검증했습니다.
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.