Thermodynamics-Informed Machine Learning for Energy Materials Discovery

당신이 날씨를 예측하려고 한다고 상상해 보십시오. 만약 절대 영도에서의 얼어붙은 대기 스냅샷만을 본다면, 당신은 구름을 그저 푹신하고 정적인 물방울 덩어리라고 생각할지도 모릅니다. 하지만 실제 세상에서 열은 공기를 춤추게 하고, 바람을 휘몰아치게 하며, 구름의 형태를 변화시킵니다. 재료 과학의 세계에서 과학자들은 태양광 패널, 배터리, 촉매와 같은 새로운 재료를 설계하기 위해 강력한 컴퓨터를 사용합니다. 오랫동안 그들은 원자들이 완벽하고 차가운 격자 속에 가만히 앉아 있는 모습을 계산하는 '얼어붙은 스냅샷' 방식에 의존해 왔습니다. 이 방식은 일부 물질에는 잘 작동하지만, 현실의 가장 중요한 부분인 '열'을 놓칩니다. 열은 단순히 따뜻한 담요가 아닙니다. 열은 원자들이 어떻게 움직이고, 어떻게 서로 달라붙으며, 심지어 어떤 형태를 선호하게 되는지를 변화시키는 혼돈스러운 파티입니다. 이러한 열적 댄스를 고려하지 않으면, 우리의 컴퓨터 예측은 실제 세상(모든 것이 뜨겁고 움직이는 곳)과 일치하지 않는 경우가 많습니다.

이 논문은 새로운 에너지 재료를 발견하기 위한 다음 단계의 거대한 도약은 우리가 얼어붙은 스냅샷을 보는 것을 멈추고, 열의 '열역학'을 이해하도록 컴퓨터를 가르치는 데 있다고 주장합니다. 저자인 폴 베니테스(Pol Benítez), 시브란 로페즈(Cibrán López), 클라우디오 카소를라(Claudio Cazлоla)는 현재의 머신러닝 모델이 정지된 이미지로 된 교과서만을 공부한 학생과 같다고 설명합니다. 즉, 이들은 얼어붙은 구조의 에너지는 기가 막히게 예측하지만, 그 구조가 뜨겁고 꿈틀거릴 때 어떻게 행동할지는 예측하는 데 서툽니다. 그들은 많은 재료에 있어 '승자'는 영도(0K)에서 가장 낮은 에너지를 가진 것이 아니라, 열의 혼돈을 가장 잘 견뎌낼 수 있는 것이라고 지적합니다. 이 논문은 아직 이 문제를 해결했다고 주장하는 것이 아니라, 단순히 정적인 에너지가 아니라 온도가 물질을 작동하게 만드는 무질서하고 아름다우며 필수적인 역할을 학습하는 새로운 세대의 AI를 구축하기 위한 로드맵을 제시하고 있습니다.

얼어붙은 함정 vs. 뜨거운 현실

재료를 레고 성이라고 생각해 보십시오. 기존의 방식에서 과학자들은 모든 것이 완벽하게 정지해 있고 차가울 때 블록들이 어떻게 맞물리는지를 보고 가장 안정적인 성을 찾는 데 컴퓨터를 사용했습니다. 이것을 '영도(zero-temperature)' 근사법이라고 부릅니다. 이것은 마치 음악이 멈췄을 때의 무용수들 모습만 보고 무용 경연 대회를 심사하는 것과 같습니다. 문제는 실제 세상에서는 음악이 결코 멈추지 않는다는 점입니다. 원자들은 끊임없이 진동하고, 꿈틀거리고, 자리를 바꿉니다. 이 움직임은 '엔트로피'를 만들어내는데, 이는 시스템 내의 무질서나 혼돈의 양을 뜻하는 멋진 단어입니다.

논문에 따르면 고온에서는 이 혼돈이 실제로 구조를 더 안정적으로 만들 수도 있습니다. 모양이 흐트러져 보일 것 같은 흔들리는 블록 탑을 상상해 보십시오. 하지만 테이블을 흔들면(열을 가하면), 블록들이 꿈틀거리며 정지 상태의 버전보다 더 잘 결합되는 새로운 형태를 갖출 수도 있습니다. 현재의 머신러닝 모델은 종종 이를 완전히 놓칩니다. 이 모델들은 정적이고 얼어붙은 계산 데이터로 훈련되었기 때문에, 흔들리는 탑은 불안정하다고 판단하여 버려버립니다. 하지만 실제로는 그 흔들리는 탑이 상온에서 챔피언이 될 수도 있습니다. 저자들은 이러한 얼어붙은 모델에 의존하는 것이 주요한 장벽이라고 주장하는데, 왜냐하면 열을 가하자마자 실패하는 재료들을 선택하게 만들기 때문입니다.

새로운 게임 플랜: AI에게 열을 느끼도록 가르치기

그렇다면 어떻게 해결할 수 있을까요? 논문은 우리가 AI를 '정적인 사진가'에서 '열역학 감독'으로 업그레이드해야 한다고 제안합니다. 단일한 정지 구조의 에너지를 예측하는 대신, 새로운 모델은 정적 에너지에 열과 엔트로피의 효과를 결합한 '자유 에너지'를 예측해야 합니다.

저자들은 이미 시도되고 있는 몇 가지 전략을 검토하는데, 예를 들어 '머신러닝 기반 원자 간 포텐셜(machine-learned interatomic potentials)'을 사용하는 것입니다. 이것을 아주 똑똑한 지름길이라고 생각하면 됩니다. 모든 원자의 움직임을 하나하나 계산하는 매우 느리고 비용이 많이 드는 수학(해변의 모래알을 하나씩 세는 것과 같은)을 하는 대신, 이 AI 모델들은 모래의 움직임에 대한 규칙을 학습하여 순식간에 전체 해변을 시뮬레이션할 수 있습니다. 이를 통해 과학자들은 고온에서 원자들이 춤추는 모습을 담은 가상 영화와 같은 '분자 역학(molecular dynamics)' 시뮬레이션을 실행할 수 있습니다. 이 영화로부터 우리는 자유 에너지를 추출하고 어떤 재료가 실제로 안정적인지 확인할 수 있습니다.

그러나 논문은 이러한 고급 도구들조차 한계가 있다고 경고합니다. 만약 AI가 차분하고 낮은 온도의 춤만을 학습했다면, 음악이 빨라지고 원자들이 격렬하게 뛰어오를 때 혼란에 빠질 수 있습니다. 저자들은 몇 가지 핵심적인 해결책을 제안합니다:

1. 직접 학습 (Direct Learning): 춤을 시뮬레이션한 후 나중에 에너지를 계산하는 대신, 온도를 원자의 형태처럼 AI가 학습할 수 있는 변수로 취급하여 자유 에너지를 직접 예측하도록 가르쳐야 합니다.
2. 엔트로피 인식 (Entropy Awareness): AI는 엔트로피(혼돈 요소)가 규칙을 바꾸는 실재하는 요소라는 것을 이해해야 합니다. 우리는 조용한 방과 붐비는 파티의 차이를 '느낄' 수 있는 모델을 구축해야 합니다.
3. 능동 학습 (Active Learning): 이것은 자신이 무엇을 모르는지 정확히 아는 똑똑한 학생과 같습니다. 무작위로 사실을 공부하는 대신, AI는 "이 특정 온도 범위에 대해서는 잘 모르겠어요. 더 배우기 위해 거기서 시뮬레이션을 돌려봅시다"라고 요청합니다. 이는 데이터가 누락된 빈틈을 채우는 데 도움이 됩니다.

이것이 에너지 분야에 중요한 이유

논문은 이 새로운 접근 방식이 게임 체인저가 될 수 있는 세 가지 구체적인 분야를 강조합니다.

• 태양광 패널 (Photovoltaics): 페로브스카이트와 같은 재료에서는 열이 재료가 흡수하는 빛의 색을 바꿀 수 있습니다. 얼어붙은 버전만 본다면 재료가 쓸모없다고 생각할 수 있지만, 뜨거워졌을 때 햇빛을 포착하기에 완벽할 수 있습니다. 또한 열은 전기가 얼마나 쉽게 흐르는지도 변화시킬 수 있습니다.
• 촉매 (Catalysts): 촉매는 자동차 배기 시스템이나 연료 제조와 같이 화학 반응을 가속화하는 재료입니다. 촉매의 표면은 딱딱한 바위가 아니라, 뜨거워지면 형태가 변하는 역동적인 풍경입니다. 마법이 일어나는 '활성 부위'는 원자들이 꿈틀거릴 때만 나타날 수도 있습니다. 만약 우리가 얼어붙은 모델을 바탕으로 촉매를 설계한다면, 진짜 영웅을 놓칠 수 있습니다.
• 전고체 배터리 (Solid-State Batteries): 이 배터리들은 액체 대신 고체 재료를 사용하여 이온(전하를 띤 원자)을 이동시킵니다. 이 이온의 이동은 종종 재료 구조의 진동에 의해 도움을 받습니다. 만약 구조가 너무 경직되어 있다면(얼어붙어 있다면), 이온은 움직일 수 없습니다. 하지만 적절한 온도에서 구조가 '부드럽고' 꿈틀거린다면, 이온은 빠르게 지나갈 수 있습니다. 현재의 모델들은 열에 의한 진동을 고려하지 않기 때문에 이러한 '부드러움'을 놓치는 경우가 많습니다.

앞으로의 길

저자들은 우리가 아직 그 단계에 도달하지 못했음을 분명히 합니다. 그들은 이러한 새로운 모델을 훈련하기 위한 데이터를 얻는 것이 어렵고 비용이 많이 든다는 점을 인정합니다. 열을 시뮬레이션하려면 많은 컴퓨터 성능이 필요하며, AI에게 필요한 모든 것을 가르칠 만큼 다양한 온도에서 작동하는 재료의 사례가 충분하지 않습니다. 또한 현재의 AI 모델들은 열역학 법칙을 어겨서 음(-)의 열용량과 같이 물리적으로 불가능한 것을 예측하기도 한다고 지적합니다.

하지만 논문은 낙관적입니다. 머신러닝의 속도와 열역학의 엄격한 규칙을 결합함으로써, 우리는 단순히 재료가 어떻게 생겼는지를 추측하는 것이 아니라, 그것이 실제로 작동할 때 어떻게 '행동'하는지를 이해하는 새로운 종류의 AI를 구축할 수 있다고 제안합니다. 목표는 얼어붙은 세상을 위한 재료를 설계하는 것에서 벗어나, 재료가 실제로 사용될 실제의 뜨겁고 혼돈스러운 세상을 위한 재료를 설계하는 것입니다. 이것은 정지 사진을 찍는 것에서 완전한 동작 영화를 연출하는 것으로의 전환이며, 이는 이전보다 더 효율적이고 안정적이며 강력한 에너지 재료를 열어주는 새로운 시대를 약속합니다.