창간 준비호

원자 힘 계산 인공지능 모델 일곱 종을 한 틀로

설정 한 단어만 바꿔 모델 구조를 교체하는 공개 도구

쎈프레스 편집국읽는 데 2분
원자 힘 계산 인공지능 모델 일곱 종을 한 틀로

연구진이 원자 사이에 작용하는 힘을 배우는 인공지능 모델 일곱 종을 하나로 묶은 공개 소프트웨어 IANN(InterAtomic Neural Network)을 내놓았다. 모델마다 따로 갖춰야 했던 데이터 형식과 학습·시뮬레이션 연결 작업을 줄이는 것이 목표라고 연구진은 밝혔다.

지금까지

물질 속 원자들이 어떻게 움직이는지는 오랫동안 양자역학에 바탕을 둔 정밀 계산법(DFT)으로 따져 왔다. 정확하지만 계산 비용이 크다는 점이 한계였다. 이를 줄이려는 기계학습 원자 간 퍼텐셜이 나왔고, 연구진은 이 모델들이 DFT에 가까운 정확도를 훨씬 적은 비용으로 낸다고 설명했다. 다만 모델마다 코드가 따로 공개되어 데이터 형식, 설정 방식, 학습 과정, 분자동역학 연결 방식이 제각각이었다고 연구진은 지적했다.

AI 시대에는

IANN은 PyTorch 기반 오픈소스 틀로, PaiNN, NequIP, MACE, Allegro, EquiformerV2, EquiformerV3, UMA를 같은 데이터 객체와 같은 학습기 위에서 다시 구현했다. 연구진에 따르면 설정 사전에서 단어 하나만 바꾸면 모델 구조가 바뀌고, 모든 구조에서 힘·응력·비리얼을 에너지의 해석적 미분 한 번으로 얻는다. 학습이 끝난 체크포인트는 ASE 계산기, 불확실성을 알려주는 앙상블, LAMMPS 안에서 도는 TorchScript 모델로 바로 쓸 수 있다고 한다. 연구진은 DFT 구조 4190만 개로 학습한 PaiNN 기반 대규모 모델도 함께 공개했고, 자율 에이전트와 연결하는 인터페이스도 제공한다고 밝혔다. 이 글은 동료 심사를 거치기 전에 공개된 사전 공개 논문의 초록이어서, 위 내용은 모두 연구진의 주장이다.

지금 해 볼 것

  • 원자 시뮬레이션 모델을 쓰는 개발자라면 원문 주소에서 코드 저장소와 문서가 있는지 확인하고, 지금 쓰는 모델이 IANN이 지원하는 일곱 종에 들어 있는지 살펴본다.
  • 여러 모델의 성능을 비교해야 한다면, 같은 데이터에 같은 조건으로 학습·평가하는 순서를 지금 쓰는 작업 흐름과 견주어 적어 본다.
  • 학생이라면 ASE와 LAMMPS가 각각 무엇을 하는 도구인지 먼저 찾아 읽어 본다.

원문에서 확인한 사실

  • IANN은 PyTorch 기반 오픈소스 틀이다.
  • PaiNN, NequIP, MACE, Allegro, EquiformerV2, EquiformerV3, UMA 일곱 구조를 같은 데이터 객체와 학습기, 배포 경로 뒤에 다시 구현했다.
  • 구조 선택은 설정 사전의 단어 하나를 바꾸는 일이라고 연구진은 밝혔다.
  • 힘·응력·비리얼은 원자 그래프의 간선 벡터에 대한 에너지의 해석적 미분 한 번으로 얻으며, 주기 경계 조건에서도 정확하다고 한다.
  • 분산 학습은 SLURM, PBS, MPI 환경에서 자동으로 설정된다.
  • 체크포인트는 ASE 계산기, 불확실성을 보고하는 앙상블, LAMMPS 안의 TorchScript 모델로 쓸 수 있다.
  • MPtrj, Alexandria, OMat24 등에서 모은 DFT 구조 4190만 개로 학습한 PaiNN 기반 모델을 함께 공개했다.
  • 자율 에이전트와 연결하기 위한 에이전트 인터페이스를 제공한다.
#원자 시뮬레이션#신경망#오픈소스#사전 공개 논문

이 기사는 쎈프레스 편집국이 공개된 원문을 바탕으로 정리했습니다. 원문에 없는 내용은 싣지 않는 것을 원칙으로 하며, 틀린 곳은 010-8114-3468로 알려 주시면 바로 고칩니다.

넘겨 보기로 이어 보기

이어서 읽기

과학

새 환경을 배워도 옛 경험을 잊지 않는 학습 연구

연구진은 환경마다 잘하는 작은 신경망 '전문가'를 진화 방식으로 만들어 보관해 두고, 상황이 바뀌면 알맞은 것을 꺼내 쓰는 구조를 내놓았다고 밝혔다. 막대 세우기 과제인 카트폴(CartPole)에서 이 구조는 시험 환경 다섯 곳의 평균 성공률 83.2%를 기록했다.

과학

대칭 분자도 구별하는 빠른 원자 예측 방식

연구진이 분자 속 원자 배치를 컴퓨터가 더 정확히 구별하도록 하는 새 표현 방식을 내놓았다. 메탄 시뮬레이션 자료에서 기존 모델과 정확도는 비슷하고 예측은 3.2배 빠르다고 밝혔다.

과학

단백질 모델, 세밀하다고 항상 정확하진 않다

연구진이 단백질을 단순하게 줄여 나타내는 기계학습 모델에서, 줄이는 방식을 일곱 가지로 바꿔 가며 정확도를 비교했다. 연구진은 세밀한 정도나 화학적 다양성이 정확도와 늘 맞물리지는 않는다고 밝혔다.

과학

얀-텔러 뒤틀림이 만든 부호 다른 키타예프 상호작용

연구진은 얀-텔러(Jahn-Teller) 뒤틀림을 이용하면 한 물질 안에서 부호가 다른 키타예프(Kitaev) 결합을 만들 수 있다고 제안했다. 제일원리 계산에서 단층 CrI2가 짧은 결합에는 반강자성, 긴 결합에는 강자성 키타예프 결합을 갖는 것으로 나왔다고 밝혔다.