KAIST´Â »ý¸íÈÇаøÇаú Á¤À¯¼º ±³¼ö ¿¬±¸ÆÀÀÌ µö·¯´×À» È°¿ëÇØ ¼ÒÀçÀÇ ÇÕ¼º °¡´É¼ºÀ» ³ôÀº Á¤È®µµ·Î ¿¹ÃøÇÏ´Â ±â¼úÀ» °³¹ßÇß´Ù°í 22ÀÏ ¹àÇû´Ù.
½Å¼ÒÀç ¼³°èÀÇ ±Ã±ØÀûÀÎ ¸ñÇ¥´Â ¼ÒÀ縦 ¼³°èÇÏ°í ±×°ÍÀ» ½ÇÇèÀûÀ¸·Î ÇÕ¼ºÇÏ´Â °ÍÀÌÁö¸¸ Çö½ÇÀûÀ¸·Î´Â »õ·Ó°Ô ¼³°èµÈ ´ëºÎºÐÀÇ ¼ÒÀç°¡ ½ÇÁ¦ ÇÕ¼º ´Ü°è¿¡¼ ¼º°øÇÏÁö ¸øÇÏ°í ¹ö·ÁÁö´Â °æ¿ì°¡ ¸¹´Ù. ÀÌ´Â ºÒÇÊ¿äÇÑ ½Ã°£°ú ÀÚ¿øÀÇ ³¶ºñ¸¦ ÃÊ·¡ÇÑ´Ù. ¼ÒÀçÀÇ ÇÕ¼º ¿©ºÎ´Â ¹ÝÀÀ Á¶°Ç, ¿¿ªÇÐ, ¹ÝÀÀ ¼Óµµ, ¼ÒÀç ±¸Á¶ µî ´Ù¾çÇÑ ¿äÀο¡ ÀÇÇؼ °áÁ¤µÇ±â ¶§¹®¿¡, ¼ÒÀçÀÇ ÇÕ¼º °¡´É¼ºÀ» ¿¹ÃøÇÏ´Â °ÍÀº ¸Å¿ì µµÀüÀûÀÎ °úÁ¦·Î ¿©°ÜÁ® ¿Ô´Ù.
ÀÌ·± ¹®Á¦ ÇØ°áÀ» À§ÇÑ ¹æ¾ÈÀ¸·Î °£´ÜÇÑ ¿¿ªÇÐÀû ¾ÈÁ¤¼º¸¸À» °í·ÁÇØ °íü ¼ÒÀçÀÇ ÇÕ¼º °¡´É¼ºÀ» ÃßÁ¤ÇÏÁö¸¸ Á¤È®µµ´Â ¸Å¿ì ¶³¾îÁö´Â ÆíÀÌ´Ù. ÀÏ·Ê·Î ¿¡³ÊÁöÀûÀ¸·Î ¾ÈÁ¤µÈ ¹°ÁúÀ̶ó ÇÏ´õ¶óµµ ÇÕ¼ºÀÌ ¾È µÇ´Â °æ¿ì°¡ ¾ÆÁÖ ºó¹øÇÏ°í, ¶Ç ¹Ý´ë·Î ÁؾÈÁ¤(metastable) »óÅÂÀÇ ¹°Áúµéµµ ÇÕ¼ºµÇ´Â °æ¿ì°¡ ¸¹±â ¶§¹®ÀÌ´Ù. µû¶ó¼, ÇÕ¼º °¡´É¼º¿¡ ´ëÇÑ ¿¹Ãø Á¤È®µµ¸¦ ȹ±âÀûÀ¸·Î ³ôÀÏ ¼ö ÀÖ´Â ¹æ¹ý·ÐÀÇ °³¹ßÀÌ ½Ã±ÞÇÑ °úÁ¦·Î ¿©°ÜÁ® ¿Ô´Ù.
Á¤À¯¼º ±³¼ö ¿¬±¸ÆÀÀÌ °³¹ßÇÑ ¼ÒÀç ÇÕ¼º °¡´É¼º ¿¹Ãø±â¼úÀº, ±âÁ¸ ÇÕ¼ºÀÌ º¸°íµÈ °íü ¼ÒÀçµéÀÇ ±¸Á¶Àû À¯»ç¼ºÀ» ±×·¡ÇÁ ÇÕ¼º°ö ½Å°æ¸Á(GCN, Graph Convolutional Neural Network)À¸·Î ÇнÀÇØ »õ·Î¿î ¼ÒÀçÀÇ ÇÕ¼º °¡´É¼ºÀ» ¿¹ÃøÇÒ ¼ö ÀÖ´Ù. ƯÈ÷, ÇöÀç±îÁö ÇÕ¼ºÀÌ ¾È µÈ ¹°ÁúÀ̶ó ÇÏ´õ¶óµµ ÇÕ¼ºÀÌ ¼º°øÇÒ °¡´É¼ºÀº ¿©ÀüÈ÷ Á¸ÀçÇϱ⠶§¹®¿¡ Âü°ª(·¹À̺í)À» ÀÌ¹Ì ¾Ë°í ÇнÀÀ» ÁøÇàÇÏ´Â ÀϹÝÀûÀÎ ÁöµµÇнÀ°ú´Â ´Þ¸® ¾çÀÇ ·¹À̺í(+)À» °¡Áø µ¥ÀÌÅÍ¿Í ·¹À̺íÀÌ ¾ø´Â µ¥ÀÌÅÍ(Positive-Unlabeled, P-U)¸¦ ÀÌ¿ëÇÑ ºÐ·ù ¸ðµ¨ ±â¹ÝÀÇ ÁØ ÁöµµÇнÀÀ» »ç¿ëÇß´Ù.
|
|
|
¡ã °³¹ßµÈ ¼ÒÀç ÇÕ¼º °¡´É¼º ¿¹Ãø ¸ðµ¨ ¸ð½Äµµ |
Á¤ ±³¼öÆÀÀº 5¸¸¿© Á¾¿¡ ´ÞÇÏ´Â ÀÌ¹Ì ÇÕ¼ºÀÌ º¸°íµÈ ¹°Áú°ú 8¸¸¿© Á¾ÀÇ °¡»ó ¹°Áú·Î ÀÌ·ïÁø `¸ÓÅ͸®¾ó½º ÇÁ·ÎÁ§Æ®(Materials Project, MP)'¶ó´Â ¼ÒÀç °ü·Ã µ¥ÀÌÅͺ£À̽º¸¦ ÀÌ¿ëÇØ ¸ðµ¨À» ±¸ÃàÇß´Ù. ¿¬±¸ÆÀ °ü°èÀÚ´Â ÀÌ ½Å±â¼úÀ» È°¿ëÇÑ °á°ú, ¼ÒÀçµéÀÇ ÇÕ¼º °¡´É¼ºÀ» ¾à 87% Á¤È®ÇÏ°Ô ¿¹ÃøÇÒ ¼ö ÀÖ´Ù°í ¼³¸íÇß´Ù. Á¤ ±³¼öÆÀÀº ¶Ç ÀÌ¹Ì ÇÕ¼ºµÈ ¼ÒÀçµéÀÇ ¿¿ªÇÐÀû Ư¼ºÀ» ºÐ¼®ÇÑ °á°ú, ¿¿ªÇÐÀû ¾ÈÁ¤¼º¸¸À¸·Î´Â ½ÇÁ¦ ¼ÒÀçÀÇ ÇÕ¼º °¡´É¼ºÀ» ¿¹ÃøÇÒ ¼ö ¾ø´Ù´Â »ç½Çµµ ¾Ë¾Æ³Â´Ù.
ÀÌ¿Í ÇÔ²² ¸ÓÅ͸®¾ó½º ÇÁ·ÎÁ§Æ®(MP) µ¥ÀÌÅͺ£À̽º ³»¿¡ ÇÕ¼º °¡´É¼º Á¡¼ö°¡ °¡Àå ³ôÀº 100°³ÀÇ °¡»ó ¹°Áú¿¡ ´ëÇØ ¹®ÇåÁ¶»ç¸¦ ½Ç½ÃÇÑ °á°ú, À̵é Áß ¸ÓÅ͸®¾ó½º ÇÁ·ÎÁ§Æ®(MP) µ¥ÀÌÅͺ£À̽º¿¡´Â ÇÕ¼º ¿©ºÎ°¡ ¾ÆÁ÷ ¾Ë·ÁÁöÁö ¾Ê¾ÒÁö¸¸ ½ÇÁ¦·Î ÇÕ¼ºµÅ ³í¹®¿¡ º¸°íµÈ ¼ÒÀ縸µµ 71°³¿¡ ´ÞÇÏ´Â °ÍÀ» È®ÀÎÇß°í À̸¦ ÅëÇØ ¸ðµ¨ÀÇ ³ôÀº Á¤È®µµ¸¦ Ãß°¡·Î ÀÔÁõÇß´Ù.
Á¤À¯¼º ±³¼ö´Â "ºü¸¥ ½Å¼ÒÀç ¹ß°ßÀ» À§ÇØ ´Ù¾çÇÑ ¼ÒÀç ¼³°è ÇÁ·¹ÀÓ¿öÅ©°¡ Á¸ÀçÇÏÁö¸¸ Á¤ÀÛ ¼³°èµÈ ¼ÒÀçÀÇ ÇÕ¼º °¡´É¼º¿¡ °üÇÑ ÆÇ´ÜÀº Àü¹®°¡ Á÷°üÀÇ ¿µ¿ªÀ¸·Î ³²¾Æ ÀÖ´Ùˮ¸é¼ "À̹ø¿¡ °³¹ßÇÑ ÇÕ¼º °¡´É¼º ¿¹Ãø ¸ðµ¨Àº »õ·Î¿î ¼ÒÀ縦 ¼³°èÇÒ ¶§ ½ÇÁ¦·Î ÇÕ¼º °¡´É¼ºÀ» ½ÇÇè Àü¿¡ ¹Ì¸® ÆÇ´ÜÇÒ ¼ö ÀÖ¾î »õ·Î¿î ¼ÒÀçÀÇ °³¹ß½Ã°£À» ´ÜÃàÇÏ´Â µ¥ Å« µµ¿òÀÌ µÉ °ÍˮÀ̶ó°í ¸»Çß´Ù.
KAIST »ý¸íÈÇаøÇаú ÀåÁöµ· ¹Ú»ç°úÁ¤°ú ±¸±ÙÈ£ ¹Ú»çÈÄ¿¬±¸¿øÀÌ °øµ¿ Á¦1 ÀúÀÚ·Î Âü¿©ÇÑ À̹ø ¿¬±¸°á°ú´Â ¹Ì±¹ÈÇÐȸ°¡ ¹ßÇàÇÏ´Â ±¹Á¦ÇмúÁö ¹Ì±¹ÈÇÐȸÁö(Journal of the American Chemical Society) ¿Â¶óÀÎ 10¿ù 26ÀÏ í®¿¡ ½Ç·È´Ù. (³í¹®¸í: Structure-Based Synthesizability Prediction of Crystals Using Partially Supervised Lear¤·ning)
ÇÑÆí, À̹ø ¿¬±¸´Â °úÇбâ¼úÁ¤º¸Åë½ÅºÎ »êÇÏ Çѱ¹¿¬±¸Àç´ÜÀÇ ±âÃÊ¿¬±¸»ç¾÷(Áß°ß¿¬±¸)°ú ¹Ì·¡¼ÒÀç µð½ºÄ¿¹ö¸® »ç¾÷ Áö¿øÀ» ¹Þ¾Æ ¼öÇàµÆ°í, ¿¬±¸¿¡ KISTIÀÇ ½´ÆÛÄÄÇ»Å͸¦ È°¿ëÇß´Ù. |