Atoms that Matter: Largest Materials Datasets Are 99% Redundant, and Local Chemistry Can Guide the Required 1%
이 연구는 구조적 및 화학적으로 구별되는 국소 환경을 선택함으로써 OMat24 데이터셋의 1% 미만으로 머신러닝 힘의 장(force fields)을 학습시키는 것이 1억 개의 구조 전체로 학습된 모델과 대등한 정확도를 산출한다는 것을 입증하며, 이는 범용 재료 모델링에 있어 데이터의 양보다는 화학적 다양성이 핵심적인 요소임을 증명한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
물리적 세계가 어떻게 결합되어 있는지를 이해하려는 탐구 과정에서, 과학자들은 오랫동안 강력하지만 비용이 많이 드는 도구인 양자 역학에 의존해 왔습니다. 이 물리학의 한 분야는 연구자들이 원자들이 서로 어떻게 상호작용하는지를 계산할 수 있게 해주며, 새로운 금속의 강도부터 배터리가 에너지를 저장하는 방식에 이르기까지 모든 것을 예측할 수 있게 합니다. 그러나 이러한 계산은 계산량이 매우 방대하여, 아주 작은 조각의 물질을 단 찰나의 순간 동안 시뮬레이션하는 데에도 세계에서 가장 강력한 슈퍼컴퓨터를 사용하여 며칠 또는 몇 주가 걸릴 수 있습니다. 이러한 병목 현상을 극복하기 위해, 새로운 세대의 인공지능이 등장했습니다. 이 머신러닝 모델들은 일종의 지름길 역할을 합니다. 이들은 방대한 양자 계산 라이브러리를 통해 학습하며, 그 후 원자의 행동을 거의 즉각적으로 예측할 수 있게 되어, 무거운 계산의 정확도와 단순한 추측의 속도를 동시에 제공합니다. 이 분야의 지배적인 믿음은, 이러한 AI 모델을 진정으로 신뢰할 수 있고 어떤 물질이라도 다룰 수 있게 만들려면, 흔히 수억 개의 원자 구성에 달하는 엄청난 양의 데이터를 주입해야 한다는 것이었습니다.
룩셈부르크 대학교의 연구팀은 이러한 가설에 도전하며, 데이터 라이브러리의 규모 자체가 필요에 의한 환상일 수 있다고 제안했습니다. 그들은 지금까지 가장 진보된 AI 포스 필드(force fields)의 토대가 되어 온 1억 1천만 개 이상의 구조를 포함하는 거대한 컬렉션인 Open Materials 2024 데이터셋을 조사했습니다. 연구진은 간단한 질문을 던졌습니다. 모델이 이 1억 1천만 개의 사례를 모두 학습하는 데 실제로 필요한가, 아니면 그 정보의 대부분이 동일한 화학적 교훈을 반복하고 있는 것인가? 이를 알아내기 위해, 그들은 이 거대한 데이터셋의 아주 작은 조각, 즉 전체 원자의 1% 미만인 약 650만 개의 원자를 포함하는 하위 집합을 사용하여 새로운 AI 모델들을 훈련시켰습니다. 그들은 이 조각들을 선택하는 세 가지 다른 방법을 테스트했습니다. 원자들을 완전히 무작위로 뽑는 방법, 구별되는 그룹을 찾기 위해 정교한 클러스터링 방법을 사용하는 방법, 그리고 각 원자 주변의 고유한 국소 영역(local neighborhoods)을 세는 그들이 개발한 새로운 기술을 사용하는 방법입니다.
결과는 놀라웠습니다. 이 작은, 정교하게 선택된 하위 집합들로 훈련된 모델들은 1억 1천만 개의 구조 전체로 훈련된 모델만큼이나 잘 수행되었습니다. 원자들을 결합하는 힘을 얼마나 정확하게 예측하는지를 측정하는 테스트에서, 작은 하위 집본 모델들은 거대한 모델과 거의 동일했습니다. 또한 열을 가했을 때 물질이 얼마나 팽창하는지, 얼마나 단단한지, 그리고 리튬 이온이 얼마나 쉽게 이동하는지와 같은 핵심적인 물리적 특성을 예측하는 데 있어서도 전체 모델과 일치했습니다. 아마도 가장 놀라운 점은, 연구진이 온도를 3000 켈빈까지 높이고 압력을 500 기가파스칼까지 끌어올리는 극한의 조건(행성 내부에서 발견되는 조건)으로 모델을 몰아붙였을 때, 작은 하위 집합으로 훈련된 모델들이 오히려 전체 데이터셋으로 훈련된 모델보다 더 안정적이고 신뢰할 수 있다는 사실이 밝혀졌다는 것입니다. 전체 데이터셋 모델은 이러한 극한의 스트레스 하에서 빈번하게 충돌하며 멈췄던 반면, 간소화된 버전들은 계속 작동했는데, 이는 나머지 99%의 데이터가 견고함을 더하는 것이 아니라 오히려 중복성을 유발했음을 시사합니다.
연구진은 더 나은 모델을 만드는 열쇠가 부피가 아니라 다양성에 있다는 것을 발견했습니다. 그들은 거대한 데이터셋이 많은 구조를 포함하고 있으며, 이 구조들이 본질적으로 동일한 국소 화학 환경을 공유하며 정보를 계속해서 반복하고 있다는 것을 발견했습니다. 이를 해결하기 위해, 그들은 원자 주변 환경의 카탈로그 역할을 하는 EnvTok이라는 방법을 도입했습니다. 이 방법은 물질을 전체 구조로 보는 대신, 각 원자의 즉각적인 주변 환경으로 분해하여 어떤 원소들이 존재하는지, 그것들이 어떻게 배열되어 있는지, 그리고 얼마나 압착되거나 늘려져 있는지를 기록합니다. 이 카탈로그를 사용하여 새로운, 고유한 주변 환경을 제공하는 구조만을 선택함으로써, 그들은 반복 없이 전체 화학적 지형을 포괄하는 훈련 세트를 구축할 수 있었습니다. 이 접근 방식은 실질적인 정보를 담고 있는 필수적인 1%의 데이터를 식별하고 나머지는 뒤에 남겨둘 수 있게 해주었습니다.
이 발견은 과학자들이 재료 과학을 위한 인공지능을 훈련할 때 어떻게 접근해야 하는지에 대한 중대한 변화를 시사합니다. 연구자들은 이제 수십억 개의 중복된 구조에 레이블을 붙이고 처리하기 위해 막대한 계산 자원을 소비하는 대신, 구별되고 화학적으로 고유한 구성만을 식별하고 레이블을 붙이는 데 집중할 수 있습니다. 이러한 효율성은 훨씬 더 정확하고 높은 수준의 물리학 계산을 사용하여 이러한 모델을 훈련하는 데 사용할 수 있게 해주는데, 이는 이전에는 너무 비용이 많이 들어 고려하기 어려웠던 단계였습니다. 계산 예산을 확보함으로써, 과학자들은 이제 더 넓은 범위의 화학적 환경을 탐구할 수 있으며, 새로운 초경질 재료를 설계하거나 먼 행성의 내부를 이해하는 것과 같이 모델이 예측할 수 있는 경계를 넓힐 수 있습니다. 이 연구는 원자 시뮬레이션의 세계에서는 정보의 양보다 질이 훨씬 더 중요하다는 것을 확인시켜 줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.