CWN(CHANGE WITH NEWS) - 미중 합동 연구팀, 신경 네트워크 기반 물의 상태도 예측 연구 논문 게재

2017년, 원자 및 분자 시스템의 잠재적 에너지 표면을 종단간 심층 신경 네트워크로 나타낸 딥포텐셜(Deep Potential, DP)이 등장했다. 딥포텐셜은 제1원칙 양자역학 계산과 대규모 분자역학 시뮬레이션의 강점을 합쳐 계산물리학 및 재료과학의 정확도 효율성 딜레마에 대한 해결책으로 주목받고 있다.

이와 관련해 최근, 프린스턴대학교 응용 물리학 및 컴퓨터 수학 연구소와 베이징 빅데이터 연구소 소속 연구팀은 물리학 분야 국제 학술지인 피지컬 리뷰 레터스(Physical Review Letters)에 딥포텐셜 수 모델(Deep Potential Water Model) 상태도 연구 논문을 게재했다.

연구팀은 딥포텐셜을 사용하여 저온과 압력에서 약 2400K와 50GPa에 이르는 양순 양자 이론에서 물의 상태도를 예측한다. 이는 딥포텐셜 접근 방법 적용에 중요한 이정표를 나타낸다.

이번 연구는 단일 범용 모델을 사용하여 광범위한 온도와 압력에 걸친 물의 작용을 연구하기 위해 제1원칙의 정확도를 적용한 첫 번째 사례이다. 물의 상태도는 매우 풍부하며, T가 400K와 P가 50GPa 미만인 온도와 압력 영역에는 10개의 안정적인 위상, 즉 9개의 고체상태(얼음 Ih, II, III, VI, VIII, XI), 1개의 액체상태(얼음 IV, XI, XIII)가 있다.

분자역학 시뮬레이션은 많은 물의 단계에 대한 미시적인 통찰력을 제공할 수 있다. 분자역학의 핵심 요소인 전위 에너지 표면(PES)은 물리적인 힘의 장에 적합하거나 양자 이론(Abitio MDak AIMD)으로 구성할 수 있다. 그러나 AIMD의 계산 비용이 엄청나게 높기 때문에 이온 위상과 씨름하는 경험적 힘 장만을 사용하여 물 위상도를 연구할 수 있다.

특히, 머신러닝의 발전으로 초기 품질을 위한 분자역학 시뮬레이션이 가능해졌다. 다만, 얼음과 초이온 얼음, 분자 이온 액상 등 광범위한 열역학적 범위에서 물을 설명하는 시도는 아직 이뤄지지 않았다.

연구팀은 딥포텐셜을 활용해 광범위한 온도와 압력에 대한 제1 원리 양자 이론의 물의 상태도를 예측할 수 있다. 또, 추가 교육을 통해 고온과 압력에서의 증기 및 상과 같은 다른 열역학적 조건까지 확대될 수도 있음을 보여준다. 여기서 파이썬으로 작성된 소프트웨어 툴인 DP-gen의 도움을 받아, 접근 방식은 데이터 획득 및 모델 교육 프로세스 대부분을 자동으로 완성한다. 따라서 얼음 단계와 액상 수 구성 데이터가 거의 필요하지 않다.

한편, 연구의 데이터와 모델은 DP 라이브러리에 게재됐다. 이번 연구는 수상 다이어그램의 연구뿐 아니라 상전이 거동 및 다양한 온도와 압력에서의 열 전도도와 같은 물의 다양한 움직임을 이해하는 데 도움이 된다는 평가를 받는다. 또한, 데이터와 모델은 핵 양자 효과와 보다 준기능적이고 광범위한 온도-압력 범위에 대한 추가 연구를 위한 귀중한 참고 자료가 될 수 있다.

[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]