▲ (왼쪽부터) 한승우 교수, 정석원 박사과정

우리 학회 회원인 서울대학교 한승우 교수 연구팀은 (제1저자 정원석 박사과정) 「레플리카」 앙상블을 사용하여 인공신경망 기반 원자간 퍼텐셜 (Neural network potential, NNP)에 대해 효율적이고 원자 단위의 해상도를 가지는 불확실성 예측 지표를 제안하였다.

이 방법은 반도체 소자 내 Ni의 silicidation 공정을 시뮬레이션하는 데 적용되었는데, 예측 불확실성의 면밀한 모니터링을 통해 문제를 유발하는 위치를 원자 단위로 잡아낼 수 있었다.

▲ The Journal of Physical Chemistry Letters 의 Supplementary cover

또한 불확실성 예측을 통해 문제가 있는 구조물을 분석함으로써 NNP를 개선할 수 있어 최대 수 나노초까지 신뢰할 수 있는 시뮬레이션을 얻을 수 있었다. 이에 따라 본 연구는 머신러닝 기반 원자 시뮬레이션의 신뢰성 향상에 기여하였다. 연구결과는 학술지 The Journal of Physical Chemistry Letters 의 Supplementary cover 논문(Volume 11, Issue 15, August, 2020)로 선정되었다.

■ 논문명: Efficient Atomic-Resolution Uncertainty Estimation for Neural Network Potentials Using a Replica Ensemble

-출처: 서울대 재료뉴스