마이크로소프트의 딥러닝 기반 밀도범함수이론 스칼라 1.1 공개
마이크로소프트는 딥러닝 기술을 적용한 밀도범함수이론 모델 스칼라 1.1을 공개했습니다. 이 모델은 이전 버전보다 많은 데이터를 학습하여 계산 화학 분야의 효율성을 높입니다. 마이크로소프트는 주요 소프트웨어와의 통합을 지원합니다.
주장마이크로소프트 리서치는 밀도범함수이론의 예측 정확도를 높이는 작업이 지속적인 과제라고 강조합니다.
팩트스칼라 1.1은 이전 버전보다 2.5배 많은 데이터를 학습하여 성능을 향상했습니다.
팩트이 모델은 열화학, 반응 속도론, 분자 구조 예측 등 핵심적인 분자 시뮬레이션 과제에서 정확도를 기록했습니다.
팩트스칼라 1.1은 55개 화학 분야를 포함하는 벤치마크에서 가중 평균 오차 2.8 킬로칼로리 퍼 몰을 달성했습니다.
팩트이 모델은 기존의 하이브리드 범함수보다 우수한 성능을 보이면서 메타-지에이지에이 범함수 수준의 계산 비용을 유지합니다.
주장마이크로소프트는 스칼라를 새로운 함수로 추가하는 방식 대신 이전 버전을 대체하는 방식으로 운영합니다.
팩트스칼라 1.1은 에너지 예측뿐만 아니라 전자 밀도, 쌍극자 모멘트, 분자 기하학적 구조 계산에서도 정확도를 제공합니다.
팩트이러한 성능 향상은 마이크로소프트 리서치의 정확한 화학 데이터 수집 확장을 통해 가능했습니다.
주장마이크로소프트는 스칼라를 계산 화학 소프트웨어에 통합하여 연구 현장에서 즉시 활용할 수 있도록 지원합니다.
팩트스칼라 현재 시피투케이에서 사용 가능하며, 사이포어, 에프에이치아이-에임스, 오르카, 바스프 등 주요 소프트웨어 패키지로 통합이 진행 중입니다.
주장마이크로소프트는 스칼라 성능을 투명하게 추적하기 위해 실시간 벤치마크 시스템을 도입합니다.
교차검증스칼라는 효율성을 제공하지만, 복잡한 분자 시스템에서의 대규모 연산 시 하드웨어 자원 최적화가 중요합니다.
출처마이크로소프트 리서치(https://www.microsoft.com/en-us/research/blog/broadening-access-to-skala-creates-a-faster-path-to-predictive-dft/)의 공식 발표를 교차 검증했습니다.
주제
관련 콘텐츠
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.
