Accelerating Discovery of Extreme Lattice Thermal Conductivity by Crystal Attention Graph Neural Network (CATGNN) Using Chemical Bonding Intuitive Descriptors

열은 종종 눈에 보이지 않지만 우리의 기술이 작동하는 방식에 근본적으로 중요한 방식으로 고체 재료를 통해 이동합니다. 원자들이 완벽하고 반복적인 패턴으로 배열된 결정(crystal)에서, 열은 유체가 아니라 원자 자체의 진동으로서 이동합니다. 포논(phonon)이라고 알려진 이 진동은 에너지를 한쪽 끝에서 다른 쪽 끝으로 전달합니다. 강력한 컴퓨터 칩이나 고속 레이저를 냉각하는 것과 같은 일부 응용 분야에서, 엔지니어들은 이 열이 가능한 한 빨리 질주할 수 있도록 하는 재료를 필요로 합니다. 반면, 열전 발전기의 효율을 유지하거나 건물의 단열을 하는 것과 같은 다른 작업에서는, 열을 가두어 진동을 아주 느리게 만드는 재료가 필요합니다. 도전 과제는 항상 이러한 극단적인 특성을 가진 새로운 재료를 찾는 것이었습니다. 과학자들은 무거운 원자나 약한 결합이 열을 늦추는 경향이 있고, 가볍고 강한 결합은 열을 빠르게 한다는 사실을 오래전부터 알고 있었지만, 이러한 규칙들은 특정 새로운 결정이 정확히 어떻게 행동할지 예측하기에는 너무 모호한 경우가 많았습니다.

연구팀은 이제 이러한 재료의 내부를 볼 수 있는 훨씬 더 정교한 방법을 개발하여, 단순한 경험칙을 넘어 원자들이 어떻게 손을 맞잡고 있는지에 대한 상세한 이해로 나아갔습니다. 원자들을 결합하는 전자적 접착제를 분석함으로써, 그들은 이 연결의 강도를 측정하는 두 가지 새로운 방법을 만들어냈습니다. 그들은 이 측정치들이 결정이 열의 초고속도로가 될지 아니면 열의 막다른 골목이 될지를 예측하는 신뢰할 수 있는 나침반 역할을 한다는 것을 발견했습니다. 이러한 통찰력을 사용하여, 연구팀은 정교한 컴퓨터 모델을 훈련시켜 약 200,000개의 알려진 결정 구조를 스캔했습니다. 탐색은 성공적이었습니다. 모델은 동역학적으로 안정적이며 극단적인 열적 특성을 가진 수십 개의 새로운 재료를 식별해 냈는데, 여기에는 열전도도가 미터당 켈빈당 2와트 미만인 재료와 100와트 이상인 재료가 모두 포함되었습니다. 이 연구는 더 나은 단열재부터 더 효율적인 에너지 변환기에 이르기까지, 열 관리 분야의 차세대 재료를 발견하기 위한 빠르고 신뢰할 수 있는 경로를 제공합니다.

이 여정은 기존의 추측 방식이 한계에 부딪혔다는 깨달음에서 시작되었습니다. 수십 년 동안 과학자들은 재료의 평균적인 원자 무게나 구조의 일반적인 단순성과 같은 요소들에 의존하여 열 전도도를 추정해 왔습니다. 이러한 요소들이 중요하기는 하지만, 종이 위에서는 비슷해 보여도 실제로는 매우 다르게 행동하는 재료들을 구별하는 데는 자주 실패하곤 합니다. 이를 해결하기 위해 연구진은 시선을 화학 결합 그 자체로 돌렸습니다. 그들은 두 가지 특정 전자적 신호에 집중했습니다. 하나는 원자들이 결합을 형성할 때 방출되는 에너지의 양을 측정하는 것이고, 다른 하나는 그 결합이 얼마나 공유 결합적인지를 정량화하는 것입니다. 연구진은 만약 이 값들을 정규화한다면—즉, 결정 내의 원자와 결합의 수를 고려하여 조정한다면—수천 개의 서로 다른 재료에 적용되는 보편적인 결합 강도 척도를 만들 수 있다는 것을 깨달았습니다.

연구팀이 '정규화된 음의 적분 결정 궤도 해밀토니안 팝퓰레이션(normalized negative integrated crystal orbital Hamilton population)'과 '정규화된 적분 결정 궤도 결합 지수(normalized integrated crystal orbital bond index)'라고 부르는 이 새로운 기술자(descriptors)들은 믿기 힘들 정도로 강력한 것으로 드러났습니다. 연구진이 4,500개 이상의 재료에 대해 이 값들을 실제 열전도도와 함께 도표로 나타냈을 때, 명확한 패턴이 나타났습니다. 이 척도에서 높은 값을 갖는 재료들, 즉 강하고 깊은 전자 결합을 가진 재료들은 일관되게 열이 자유롭게 흐르도록 했습니다. 반대로, 낮은 값을 갖는 재료들, 즉 약하거나 얕은 결합을 가진 재료들은 열을 가두었습니다. 결정적으로, 이 관계는 이전 모델들이 크게 의존했던 요소인 재료들의 평균 원자 질량이 동일할 때도 유효했습니다. 또한 새로운 기술자들은 열을 받을 때 원자들이 얼마나 흔들리는지에 대한 직접적인 연결 고리를 밝혀냈습니다. 강한 결합은 원자들을 안정적으로 유지시킨 반면, 약한 결합은 원자들이 격렬하게 흔들리게 하여 열을 산란시키고 속도를 늦추게 했습니다. 이 연결은 왜 어떤 재료는 열 절연체가 되고 어떤 재료는 전도체가 되는지에 대한 물리적 설명을 제공했으며, 이는 원자의 전자 구조에 직접 뿌리를 두고 있었습니다.

이 발견을 실무에 적용하기 위해, 팀은 '결정 어텐션 그래프 신경망(Crystal Attention Graph Neural Network)'이라는 새로운 유형의 인공지능 모델을 구축했습니다. 이 모델을 결정의 원자 배열을 보고 결합을 붙잡고 있는 결합의 강도를 즉각적으로 "느낄" 수 있는 고도로 훈련된 눈이라고 생각하십시오. 이 모델은 며칠 또는 몇 주씩 걸리는 느리고 비용이 많이 드는 컴퓨터 시뮬레이션을 실행할 필요 없이 작동합니다. 연구진은 먼저 이미 분석한 4,500개의 재료 데이터를 사용하여 이 모델을 학습시켰습니다. 모델이 결정 구조와 새로운 결합 강도 기술자 사이의 관계를 학습하자, 연구진은 이를 거의 200,000개의 테스트되지 않은 결정 구조를 포함하는 거대한 데이터베이스에 풀어놓았습니다. 모델은 각 결정의 결합 강도를 빠르게 예측하여, 극단적인 열적 행동을 보일 가능성이 가장 높은 후보들을 표시했습니다.

이 거대한 디지털 탐색으로부터, 연구진은 가장 극단적인 결합 강도(매우 약하거나 매우 강한)를 보이는 약 900개의 재료를 선정했습니다. 그런 다음 그들은 이 후보들을 엄격한 2단계 검증 과정에 투입했습니다. 첫째, 별도의 AI 모델을 사용하여 결정이 안정적인지, 즉 붕괴되거나 스스로의 진동에 의해 혼돈 상태에 빠지지 않는지 확인했습니다. 후보의 약 80%가 이 초기 안정성 테스트를 통과했습니다. 남은 재료들에 대해 팀은 열전도도를 확정하기 위해 계산 물리학의 황금 표준인 상세한 제일 원리 계산(first-principles calculations)을 수행했습니다. 결과는 놀라웠습니다. 모델은 초저열전도도를 가진 106개의 안정적인 재료를 성공적으로 식별해 냈으며, 그 중 68%가 미터당 켈빈당 2와트 미만의 전도도를 보였습니다. 반대편에서는, 100와트/m·K를 초과하는 초고열전도도를 가진 13개의 안정적인 재료를 찾아냈습니다.

이 연구는 또한 무엇이 재료가 열을 차단하는 원인인지에 대한 오랜 믿음 중 일부에 도전했습니다. 이전 연구들은 특정 "반결합(antibonding)" 전자 상태의 존재가 낮은 열전도도의 주요 원인이라고 제안해 왔습니다. 그러나 새로운 분석은 이것이 보편적인 규칙이 아님을 보여주었습니다. 연구진은 이러한 반결합 상태를 가진 재료가 열을 잘 전달하는 경우와, 반대로 반결합 상태가 없는데도 우수한 절연체인 경우를 모두 발견했습니다. 대신, 새로운 결합 강도 기술자가 일관된 예측 인자로 입증되었습니다. 이러한 차이는 과학자들이 열적 특성을 선별하기 위해 단 하나의 전자적 특징에만 의존할 수 없음을 의미합니다. 즉, 전체적인 화학 결합의 강도를 살펴봐야 한다는 것입니다.

이 연구의 영향은 단순히 새로운 재료를 찾는 것을 넘어섭니다. 전자적 결합과 열 수송 사이의 명확한 연결 고리를 확립함으로써, 연구진은 미래의 재료 설계를 안내할 수 있는 직관적인 원칙들을 제공했습니다. 연구팀은 자신들의 접근 방식이 납(lead)이나 비스무트(bismuth)와 같은 무거운 원소를 포함하는 화학 계열뿐만 아니라 탄소(carbon)나 붕소(boron)와 같은 가벼운 원소를 포함하는 다양한 화학 계열에 작동한다는 것을 입증했습니다. 탄소의 다양한 형태, 질화 붕소(boron nitride), 그리고 알칼리 금속을 포함한 복합 합금과 같은 특정 화합물을 성공적으로 식별한 것은 이 방법이 견고함을 증명합니다. 이러한 발견은 차세대 열 관리 재료를 발견하는 길이 더 이상 운에 맡기거나 느린 시행착오의 과정이 아니라, 원자들이 어떻게 연결되는지에 대한 근본적인 물리학에 의해 유도되는 표적 탐색임을 시사합니다.