【와티비커뮤니티-WATVcommunity】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 피해사례공유

로그인

채팅

글쓰기

[IT뉴스]화학 기본 개념 학습한 `AI` 등장…물질 설계·물성 예측 등 정확도 향상

온카뱅크관리자

2024-10-09 14:06:20

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">KAIST, 신개념 화학 AI 모델 '프로핏-넷' 개발<br>딥러닝 모델 대비 오차 40% 줄여, 소재 개발 활용</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="6JajT1ZwhD">
          <figure class="figure_frm origin_fig" dmcf-pid="PF7qdjaVWE" dmcf-ptype="figure">
           <p class="link_figure"><img alt="화학 기본 개념(왼쪽)을 배운 AI가 다양한 소재(오른쪽)의 물성을 예측하는 모식도. KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202410/09/dt/20241009140622152wfvf.jpg" data-org-width="454" dmcf-mid="8dIh0KBWyw" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202410/09/dt/20241009140622152wfvf.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            화학 기본 개념(왼쪽)을 배운 AI가 다양한 소재(오른쪽)의 물성을 예측하는 모식도. KAIST 제공
           </figcaption>
          </figure>
          <p dmcf-pid="Q3zBJANfTk" dmcf-ptype="general">새로운 물질을 설계하거나 물질의 물성 예측을 높은 정확도로 수행하는 AI 기반 소재 설계기술이 개발됐다.</p>
          <p dmcf-pid="x0qbicj4Tc" dmcf-ptype="general">KAIST는 이억균 화학과 명예교수와 김형준 교수 연구팀이 김원준 창원대 교수, 김창호 미국 UC머세드대 교수 연구팀과 공동으로 AI를 바탕으로 소재 예측, 새로운 물질 설계, 물질의 물성 예측 등에 활용할 수 있는 '프로핏-넷'(PROFiT-Net)을 개발했다고 9일 밝혔다. </p>
          <p dmcf-pid="yEOC3bqyhA" dmcf-ptype="general">새로운 소재 개발을 가속화하기 위해선 AI 기술이 재료의 특성을 정확하게 예측할 수 있도록 발전시켜야 한다. </p>
          <p dmcf-pid="WDIh0KBWyj" dmcf-ptype="general">연구팀은 다양한 소재의 결정 구조뿐만 아니라 원소의 특성과 원자가 전자 구성정보를 추가적으로 표현해 AI 성능을 획기적으로 향상시킨 기술을 개발했다. 이 기술은 화학의 기본개념에 해당하는 최외각 전자배치, 이온화 에너지, 전기 음성도 등과 이들 간의 상호 작용을 학습해 예측 성능을 크게 높였다. 특히 새로운 물질을 설계하거나 물질의 물성을 예측하는 데 더 높은 정확도를 나타냈다.</p>
          <p dmcf-pid="YwClp9bYSN" dmcf-ptype="general">이 기술은 유전율(물질에 전기장을 걸 때 전기장이 변하는 비율), 밴드갭(전류를 흐르게 하는데 필요한 최소한의 에너지 값), 형성에너지 등 소재의 물성 예측에 있어서 기존 딥러닝 모델보다 오차를 적게는 10%에서 최대 40%까지 줄일 수 있다고 연구팀은 설명했다.</p>
          <p dmcf-pid="G96QkCOJya" dmcf-ptype="general">김형준 교수는 "AI 기술이 기초 화학 개념을 바탕으로 더 발전할 수 있다는 가능성을 보여줬다"며 "반도체 소재나 기능성 소재 개발 등 다양한 분야에 활용할 수 있을 것"이라고 말했다. </p>
          <p dmcf-pid="H2PxEhIivg" dmcf-ptype="general">이 연구결과는 국제 학술지 '미국화학회지(지난달 25일자)'에 실렸다. 이준기기자 bongchu@dt.co.kr</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 디지털타임스. 무단전재 및 재배포 금지.</p>

불법 드론에 구멍 뚫린 `원전 방어망`…한수원 5곳 중 3곳 드론 탐지 실패 에스콰이어, 코스모폴리탄, 엘르도 오픈AI와 손잡았다···한국은?

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기