CrystaLLM, 결정 구조 예측한다.

원자가 결정 구조에서 어떻게 배열되는지 예측할 수 있는 새로운 인공지능 모델이 태양 전지판에서 컴퓨터 칩에 이르기까지 모든 것에 대한 새로운 소재를 더 빨리 발견할 수 있게 된다.

CrystaLLM이라는 이 기술은 레딩 대학교와 런던 대학교의 연구자들이 개발했다. 이 기술은 수백만 개의 기존 결정 구조를 연구하여 결정의 "언어"를 학습함으로써 AI 챗봇과 유사하게 작동한다.

최근 네이쳐 커뮤니케이션즈에 발표된 이 새로운 시스템은 새로운 소재의 발견을 돕기 위해 과학 커뮤니티에 배포될 예정이다.

레딩 대학교에서 박사 학위를 마치면서 연구를 이끈 루이스 안투네스 박사는 "결정 구조를 예측하는 것은 조각이 숨겨진 복잡한 다차원 퍼즐을 푸는 것과 같다. 결정 구조 예측에는 원자의 무수한 가능한 배열을 테스트하기 위해 엄청난 컴퓨팅 파워가 필요하다.

"CrystaLLM은 수백만 개의 알려진 결정 구조를 연구하여 패턴을 이해하고 새로운 패턴을 예측함으로써 획기적인 진전을 제공한다. 모든 가능한 움직임을 시도하는 대신 승리하는 패턴을 인식하는 전문 퍼즐 풀이와 비슷하다."라고 말했다.

익숙하지 않은 재료의 구조 예측

원자가 결정으로 배열되는 방식을 파악하기 위한 현재 프로세스는 원자 간의 물리적 상호 작용에 대한 시간 소모적인 컴퓨터 시뮬레이션에 의존한다. CrystaLLM은 더 간단한 방식으로 작동한다. 복잡한 물리 계산을 사용하는 대신 결정 구조를 나타내는 표준 형식인 결정학 정보 파일에 포함된 수백만 개의 결정 구조 설명을 읽어서 학습한다.

CrystaLLM은 이러한 결정 설명을 텍스트처럼 취급한다. 각 설명을 읽으면서 다음에 나올 내용을 예측하고 결정 구조에 대한 패턴을 점진적으로 학습한다. 이 시스템은 물리 또는 화학 규칙을 전혀 배우지 않았지만 스스로 알아냈다. 이러한 설명을 읽는 것만으로 원자가 어떻게 배열되고 크기가 결정 모양에 어떤 영향을 미치는지와 같은 사항을 학습했다.

CrystaLLM은 테스트 시 이전에 본 적이 없는 재료에 대해서도 현실적인 결정 구조를 성공적으로 생성할 수 있었다.

연구팀은 연구자들이 CrystaLLM을 사용하여 결정 구조를 생성할 수 있는 무료 웹사이트를 만들었다. 이 모델을 결정 구조 예측 워크플로에 통합하면 더 나은 배터리, 더 효율적인 태양 전지, 더 빠른 컴퓨터 칩과 같은 기술을 위한 새로운 소재의 개발 속도가 빨라질 수 있다.