○한국과학기술원 / 김지한 (에너지 클라우드를 위한 소재 빅데이터 구축)
○주요성과
- 주요내용 : 넓은 표면적과 풍부한 내부 공극을 가진 다공성 물질은 에너지 저장 능력이 우수하여 다양한 분야에서 활용되고 있음. 본 연구에서는 다공성 물질의 대표적 예시인 제올라이트 구조들을 인공지능 생성모델인 GAN (Generative Adversarial Network)과 3차원 그리드 데이터를 이용하여 설계하였음.
- 기존 지식/기술 대비 성과의 차별성 : 세계최초로 인공지능을 이용하여 다공성 물질 결정구조를 설계함.
- 세계최고 수준의 성과와 비교 : 기존의 인공지능 기반의 물질 설계는 비교적 작은 분자들에서 이루어졌으나 본 연구에서는 복잡한 다공성 물질의 결정구조를 설계하였음.
- 주요 기능/사양
인공신경망 : 인공신경망 생성 모델 GAN을 활용하여 다공성 물질 구조를 학습
분자 시뮬레이션 : 에너지 저장과 관계된 물성 계산
- 기대효과 및 향후계획 : 에너지 저장 소재의 물성에 국한된 것이 아니라 다른 물성에도 쉽게 적용할 수 있어 촉매, 분리, 센서와 같은 다양한 분야의 물질 개발에 활용될 수 있음.
* 논문실적 등 증빙(중고딕 11포인트)
B. Kim, S. Lee, J. Kim*. Inverse Design of Porous Materials Using Artificial Neural Networks, Science Advances, vol. 6, 2020