核心概念
기존 결정 구조 데이터에 내재된 원자간 상호작용 패턴을 활용하여 물질 조성으로부터 거리 행렬을 예측하고, 이를 통해 3차원 결정 구조를 재구성하는 새로운 데이터 기반 접근법을 제안한다.
摘要
이 연구는 결정 구조 예측(CSP)을 위한 새로운 데이터 기반 딥러닝 모델 AlphaCrystal-II를 제안한다. 이 모델은 기존 결정 구조 데이터에 내재된 원자간 상호작용 패턴을 활용하여 물질 조성으로부터 거리 행렬을 예측하고, 이를 통해 3차원 결정 구조를 재구성한다.
구체적으로 다음과 같은 내용을 포함한다:
- 물질 조성을 11개의 원자 특성으로 인코딩하여 딥러닝 모델의 입력으로 사용
- 깊은 잔차 신경망 모델을 통해 물질 조성으로부터 원자간 거리 행렬을 예측
- 예측된 거리 행렬과 공간군, 격자 상수 정보를 활용하여 유전 알고리즘 기반 DMCrystal 모델로 3차원 결정 구조 재구성
- 재구성된 구조를 M3GNet 모델로 이완하여 안정성 평가
이를 통해 AlphaCrystal-II는 다양한 물질 조성, 특히 복잡한 조성의 물질에 대해서도 효과적이고 신뢰할 수 있는 결정 구조 예측 성능을 보여준다. 이는 데이터 기반 접근법과 물리화학적 지식의 융합을 통해 새로운 물질 발견을 가속화할 수 있음을 시사한다.
統計資料
대부분의 원자 거리는 2.33-4.67 Å 범위에 있으며, 이는 전체 거리의 25% 이상을 차지한다.
원자 거리의 최소값은 0.9488 Å, 최대값은 23.3361 Å이다.