A high-dimensional neural network potential for finite-temperature phenomena in NiTi martensite

재료가 자신의 원래 형태를 "기억"할 수 있는 세상을 상상해 보십시오. 종이 클립을 구부리면 구부러진 상태 그대로 유지됩니다. 하지만 니켈과 티타늄으로 만들어진 특별한 금속 와이어를 구부리면, 열을 가하는 즉시 다시 직선 형태로 돌아옵니다. 이 마법 같은 행동은 "형상 기억 효과"라고 불리며, 이것이 바로 이 금 метал들이 혈관 안에서 펼쳐지는 의료용 스텐트부터 근육처럼 수축하고 이완하는 로봇 근육에 이르기까지 모든 곳에 사용되는 이유입니다. 그러나 수십 년 동안 과학자들은 이 금속이 어떻게 부러지지 않고 그렇게 쉽게 휘어지는지에 대해 의문을 가져왔습니다. 이는 마치 외부에서만 보고 복잡한 기계가 어떻게 작동하는지 이해하려고 노력하는 것과 같습니다. 내부의 원자들은 엉클어진 실타래처럼 복잡하며, 관찰하기도 예측하기도 매우 어렵습니다.

이 수수께끼를 풀기 위해 연구자들은 두 가지 주요 도구를 사용합니다. 첫 번째는 "밀도 범함수 이론(Density Functional Theory, DFT)"이라는 초정밀 컴퓨터 계산법입니다. DFT를 모든 단일 원자를 볼 수 있고 그들이 어떻게 상호작용하는지 정확하게 계산할 수 있는 고해상도 현미경이라고 생각하십시오. 이는 믿을 수 없을 정도로 정밀하지만, 계산량이 너무 많고 느려서 아주 작은 원자 그룹만을 다룰 수 있습니다. 마치 단 하나의 집만을 보고 도시 전체를 시뮬레이션하려는 것과 같습니다. 두 번째 도구인 "분자 역학(Molecular Dynamics, MD)"은 원자들이 움직이는 모습을 보여주는 빠른 속도의 영화와 같습니다. 이는 거대한 원자 무리를 다룰 수 있고 긴 시간 동안의 움직임을 보여줄 수 있지만, 항상 완벽하게 정확하지는 않은 "추측" 규칙에 의존합니다. 재료 과학의 큰 과제는 이 두 가지 사이의 간극을 메우는 것이었습니다. 즉, 영화의 속도와 현미경의 정밀함을 모두 얻는 것입니다.

이 논문은 영리한 해결책인 "고차원 신경망 포텐셜(High-Dimensional Neural Network Potential, HDNNP)"을 소개합니다. HDNNP를 느린 정밀 현미경과 빠른 전체 그림 영화 사이에서 역할을 하는 초스마트 AI 로봇 번역가라고 상상해 보십시오. 연구진은 초정밀 DFT 계산을 바탕으로 니켈과 티타늄 원자가 어떻게 행동하는지에 대한 수천 개의 사례를 이 AI에게 학습시켰습니다. 일단 학습이 완료되면, 이 AI는 DFT 수준의 정확도로 원자가 어떻게 움직이고 상호작용할지 예측할 수 있으면서도, 거대한 시스템을 오랫동안 시뮬레이션할 수 있을 만큼 빠르게 작동합니다. 이 새로운 도구를 사용하여 연구팀은 니켈-티타늄 금속이 단순히 가만히 있는 것이 아니라, 열을 가함에 따라 내부 구조가 매우 특정한 일방향으로 이동하고 미끄러진다는 것을 발견했습니다. 그들은 금속이 구부러지고 형태를 되찾는 능력이 원자들이 취하는 독특하고 매끄러운 경로와 연결되어 있다는 것을 발견했으며, 이는 이전에는 이론으로만 존재했던 메커니즘이었습니다. 이 새로운 모델을 통해 과학자들은 마침내 금속이 형태를 바꿀 때 수천 개의 원자가 추는 "춤"을 관찰할 수 있게 되었으며, 왜 이 놀라운 재료가 그토록 강인하고 유연한지에 대한 더 명확한 그림을 제시합니다.

"스마트" 금속의 이야기

니켈-티타늄(NiTi)은 형상 기억 합금의 슈퍼스타입니다. 이 금속은 구부리거나 비틀어도 원래의 모양으로 돌아오는 능력으로 유명하며, 이는 입방체 구조인 "오스테나이트(austenite)" 상과 단사정계(monoclinic) 구조인 "마르텐사이트(martensite)" 상 사이의 가역적인 변형 덕분에 가능합니다. 우리는 이 금속이 작동하는 방식은 알고 있지만, 이토록 연성(늘어나는 성질)이 있고 강한 데에는 어떤 원자적 춤이 있는지에 대한 정확한 메커니즘은 여전히 미스터리로 남아 있었습니다. 과학자들은 오랫동안 마르텐사이트 상(구부러진 상태)이 특정 유형의 미끄러짐을 포함하는 비밀스러운 변형 방식을 가지고 있다고 의심해 왔지만, 이를 증명하는 것은 매우 어려웠습니다. 가능한 원자 배열 사이의 에너지 차이가 원자당 밀리전자볼트(meV) 단위로 매우 작기 때문입니다.

"수정구슬" 만들기

이 코드를 풀기 위해 저자들은 새로운 종류의 컴퓨터 모델을 구축했습니다. 원자들이 어떻게 상호작용하는지를 근사적으로 설명하는 구식 방정식 대신, 그들은 물리 법칙을 고정밀 데이터로부터 직접 학습하는 신경망(AI의 한 종류)을 훈련시켰습니다. 그들은 4개의 원자로 이루어진 작은 셀부터 180개의 원자로 이루어진 큰 블록에 이르기까지 7,300개의 서로 다른 원자 구성에 대한 방대한 데이터셋을 생성하기 위해 DFT를 사용했습니다. 이 구성에는 정지 상태, 늘어난 상태, 그리고 절대 영도부터 700K까지의 온도에서 진동하는 상태의 금속이 포함되었습니다.

HDNNP라고 불리는 이 AI는 원자의 배치에 따른 에너지와 힘을 예측하도록 교육받았습니다. AI가 단순히 암기하는 것이 아니라 진정으로 학습하고 있는지 확인하기 위해, 연구진은 "위원회" 접근 방식을 사용했습니다. 그들은 약간씩 다른 7개의 버전의 AI를 훈련시켰습니다. 만약 7개의 모델이 특정 상황에서 서로 다른 결과를 내놓는다면, 연구진은 AI가 아직 잘 배우지 못한 까다로운 지점을 파악하고 해당 시나리오에 대한 학습 데이터를 추가했습니다. 이 "능동 학습(active learning)" 과정은 AI의 예측이 매우 일관적(힘에 대한 오차가 0.03 eV/Å 미만)이 될 때까지 계속되었습니다.

AI가 발견한 것

AI 훈련이 완료된 후, 연구진은 이를 테스트했습니다. 먼저, 알려진 사실들을 재현할 수 있는지 확인했습니다. AI는 매우 낮은 온도(0 K)에서 금속의 가장 안정적인 구조가 실험에서 흔히 보이는 단사정계(B19') 구조가 아니라, B33이라 불리는 사방정계(orthorhombic) 구조라는 것을 정확히 식별했습니다. 이는 이전의 이론들이 왜 금속이 B33 상태에 머물지 않는지를 설명하는 데 어려움을 겪었던 중요한 체크포인트였습니다. AI는 B19' 구조가 B33보다 아주 약간 덜 안정적이며, 이 에너지 차이가 온도에 크게 의존한다는 점을 확인해 주었습니다.

다음으로, 팀은 금속이 어떻게 변형되는지 살펴보았습니다. 그들은 원자 층을 얼마나 많은 에너지를 들여 미끄러뜨려야 하는지를 보여주는 지도인 "적층 결함 에너지(stacking-fault energy)"를 계산했습니다. 이 지도는 놀라운 결과를 보여주었습니다. 금속은 매우 이방성(anisotropic)을 띠고 있습니다. 즉, 방향에 따라 다르게 행동한다는 것입니다. 원자들이 미끄러질 수 있는 쉬운 경로는 [100] 방향의 (001) 평면을 따라가는 단 하나뿐이었습니다. 다른 모든 방향은 마치 바위를 가파른 언덕 위로 밀어 올리는 것과 같았습니다. 이 단 하나의 쉬운 미끄러짐 경로가 금속이 부러지지 않고 엄청난 소성 변형을 겪을 수 있는 이유를 설명하며, 저자들은 이를 킨크(kink)가 물질을 통해 형성되고 이동하는 "윙킹(kwinking)" 메커니즘과 연결 지었습니다.

온도의 춤

진정한 마법은 열을 가했을 때 일어났습니다. 연구진은 AI를 사용하여 32,000개의 원자를 포함하는 거대한 시스템에 대해 분자 역학 시뮬레이션을 수행하였고, 온도가 50 K에서 700 K로 상승함에 따라 구조가 자유롭게 진화하도록 했습니다. 이 시뮬레이션에서 원자들은 자유롭게 움직일 수 있었고 셀의 형태도 변화할 수 있었습니다.

그들은 점진적이고 매끄러운 변형을 관찰했습니다. 저온에서 원자들은 B33 기저 상태에 매우 가까운 구조로 자리 잡았습니다. 온도가 높아짐에 따라, 원자 블록의 전단(shear) 운동에 의해 구조가 천천히 변화했습니다. 온도가 약 450 K에서 700 K에 도달했을 때, 구조는 실험적으로 관찰되는 B19' 형태로 진화하여 약 97.8도의 단사정계 각도를 나타냈습니다.

연구진은 이 "자유로운" 진화 과정을 단일 경로(각도만 변화시키는 방식)를 따라 구조를 강제로 변화시키는 전통적인 방식과 비교했습니다. 그들은 자유롭게 움직이는 원자들이 강제된 경로보다 더 낮은 에너지 상태를 찾아낸다는 것을 발견했으며, 이는 자연이 자유가 주어졌을 때 가장 효율적인 경로를 찾는다는 것을 시사합니다. 시뮬레이션은 B19' 구조가 열 진동에 의해 안정화된다는 것을 보여주었습니다. 즉, 금속이 뜨거워질수록 원자들이 진동하는 방식이 B33 구조보다 B19' 구조를 더 편안하게 만듭니다.

이것이 중요한 이유

이 연구는 단순히 오래된 이론을 확인하는 것에 그치지 않고, 원자 세계를 볼 수 있는 강력한 새로운 렌즈를 제공합니다. 양자 역학의 정확성과 고전적 시뮬레이션의 속도를 결합함으로써, 저자들은 수십만 개의 원자를 나노초 단위의 시간 동안 다룰 수 있는 도구를 만들어냈습니다. 이를 통해 우리는 재료의 "비제약적(unconstrained)" 진화를 관찰할 수 있으며, 형상 기억 효과의 안정성이 결정 구조와 열 사이의 섬세한 균형이라는 것을 밝혀낼 수 있었습니다.

이 연구는 NiTi의 독특한 연성이 단순히 무작위적인 특성이 아니라, 재료가 따뜻해짐에 따라 접근 가능해지는 특정 저에너지 미끄러짐 경로의 결과임을 시사합니다. 현재 모델은 결함이 없는 이상적인 결정에 국한되어 있지만, 이는 공공(vacancy)이나 결정립계(grain boundary)와 같은 실제 세계의 불완전함을 포함하는 미래 연구를 위한 토대를 마련합니다. 저자들은 훈련된 AI 포텐셜을 공개하여, 다른 과학자들이 이 "수정구슬"을 사용하여 형상 기억 합금의 복잡하고 매혹적인 세계를 탐구하고 더 나은 미래의 재료를 설계할 수 있도록 초대했습니다.