KISTI, 인공지능 활용 화학반응 예측 연구 발표

박성욱 2023-03-14 View. 21,478

첨부파일(1)

- 새로운 형태의 화학반응 네트워크 구성을 통한 전이상태 구조 예측 모델 학습 성공 -

한국과학기술정보연구원(원장 김재수, 이하 KISTI)은 화학반응의 반응 속도를 결정하는 전이상태의 구조를 예측할 수 있는 인공지능 모델 결과를 3월 2일 네이처(Nature) 자매지인

네이처 커뮤니케이션(Nature Communication)에 발표했다고 밝혔다.*

* Sunghwan Choi, Prediction of transition state structures of gas-phase chemical reactions via machine learning, Nature Comm. 14, 1168 (2023)

KISTI 슈퍼컴퓨팅응용센터 최성환 박사는 시뮬레이션으로 축적한 전이상태 화합물 구조 데이터를 활용하여 전이상태 구조를 정밀하게 예측하는 인공지능 모델을 학습하고 이를 통해 가능한 여러

화학반응 경로를 자동으로 탐색할 수 있음을 보였다.

화학반응 도중 발생하는 화학구조 변화를 최적으로 학습하기 위해 화학구조의 확장성과 순열분변성을 만족하는 새로운 형태의 신경망(Pair Sequence Interaction Layer)을 제안하였고 그 결과 기존

인공지능 모델들에 비해 압도적인 성능을 기록하였다. 기존 모델들은 전이상태 구조에서 가장 중요한 반응을 통해 변화하는 화학결합의 원자 간 거리를 정확하게 예측할 수 없었던 반면 새롭게

도입된 모델은 화학반응에 직접 참여하는 화학결합에 대해서도 정확한 예측능력을 보였다.

전이상태란 화학반응 경로에서 가장 높은 에너지를 가지는 상태를 이르는 개념으로, 화학반응 중 빠르게 지나치기 때문에 실험적으로 측정하는 것이 매우 어렵다. 따라서 화학반응 메커니즘을

분석을 통한 촉매 설계 및 반응 동력학 분석을 위해서는 전이상태 화학구조를 파악하는 것이 중요하다. 이번 연구에서 이러한 전이상태 화학구조를 손쉽게 예측할 수 있는 인공지능 모델을 제안함

으로써 효율적인 촉매설계 및 반응 동력학 연구가 가능해졌다.

KISTI 정민중 슈퍼컴퓨팅응용센터장은 “실험데이터가 부족한 다양한 과학기술 분야에 시뮬레이션 데이터를 활용하는 인공지능이 우수한 연구방법론으로 활용될 수 있다”고 밝혔다.

이전글 차세대 논문 투고심사시스템 ACOMS+ 오픈 다음글 KISTI, 국방 무기체계 CBM+ 특화연구센터 개소식

본 저작물은 “공공누리 제4유형(출처표시, 상업적 이용금지, 변경금지)” 조건에 따라 누구나 이용할 수 있습니다.