MIT 연구진이 소재 생성 후 안정성을 검증하는 기존 방식 대신, 언어모델이 원자가 규칙을 만족하는 화학식을 먼저 생성하고 확산모델이 결정 구조를 만드는 'CrysVCD' 프레임워크를 개발했다. 안정성 지표로 미세조정한 모델에 적용한 결과 기계적 안정성 68%, 준안정성 85%를 달성해 기존 방식 대비 계산 효율을 크게 높였다. 고열전도성 등 특정 물성을 목표로 한 소재 탐색에도 적용 가능해 반도체·데이터센터 냉각용 신소재 개발에도 활용될 전망이다. 후속 검증 비용을 줄여 대규모 연구기관뿐 아니라 소규모 연구그룹의 신소재 개발 진입장벽도 낮출 것으로 기대된다.
- •MIT 연구진이 소재 생성 단계부터 원자가 규칙으로 화학적 안정성을 보장하는 'CrysVCD' 프레임워크 개발
- •안정성 미세조정 모델 적용 시 기계적 안정성 68%, 준안정성 85% 달성
- •기존 방식은 안정성 검증에 전체 계산 비용의 약 90%가 소요돼 비효율적
- •고열전도성 등 특정 물성을 목표로 한 소재 탐색에도 적용, 반도체·데이터센터 냉각 소재 개발 기대
- •네이처 컴퓨테이셔널 사이언스에 게재
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
“인공지능, 수백만 소재 중 쓸 수 있는 후보 처음부터 골라낸다”...MIT, AI로 ‘안정적인 신소재’ 생성 기술 개발
- 1.MIT 연구진, 생성 후 검증 대신 생성 단계부터 화학적으로 안정된 소재만 만드는 'CrysVCD' 프레임워크 개발
- 2.언어모델이 원자가 껍질 규칙 기반 유효 조성을 먼저 생성한 뒤 확산모델이 결정 구조를 생성하는 2단계 방식
- 3.안정성 지표 기준 미세조정 모델에서 기계적 안정성 68%, 준안정성 85% 달성
- 4.기존 검증 과정이 전체 계산 비용의 약 90%를 차지했던 것을 크게 줄여, 소규모 연구기관의 신소재 개발 진입장벽 완화
왜 중요한가?
신소재 탐색에서 병목이었던 사후 안정성 검증 비용을 생성 단계에서 미리 제거하는 접근으로, 반도체·데이터센터 냉각용 고열전도 소재 등 산업적으로 중요한 소재 발견 속도를 높일 수 있다.
본문 미리보기
인공지능(AI)을 활용하면 단 몇 분 만에 수백만 개의 새로운 소재 설계안을 생성할 수 있지만, 실제 산업에 활용할 수 있는 소재는 극히 일부에 불과하다. 생성된 소재 가운데 화학적으로 불안정한 물질이 대량으로 포함되기 때문이다.미국 매사추세츠공과대학교(MIT) 연구진이 이러한 문제를 해결하기 위해 소재를 생성한 이후 불안정한 후보를 걸러내는 대신, 생성 단계부터 화학적으로 안정적인 소재만 만들어내도록 하는 AI 프레임워크‘ 원자가 제약 기반 결정 구조 생성기(Crystal Generator with Valence-Constrain
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:11AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
