두 학생은 기하급수적으로 늘어나는 신소재 데이터베이스 양에 비해 깁스 에너지 데이터는 제한적인 상황에서 머신러닝 기법을 활용해 '열역학 모델링 데이터'를 예측하는 모델을 개발했다. 깁스 에너지는 물질의 합성가능성, 안정성을 나타내는 물성으로, 온도의 변화에 따른 물질의 에너지 변화를 의미한다. 이들은 머신러닝 모델을 이용해 약 4만개의 데이터 예측을 진행하고 전자구조 계산을 통해 573개 데이터를 검증했다.
연구책임자 민경민 교수는 "물질의 열역학적인 안정성을 예측하여 신소재 개발 프로세스를 획기적으로 단축할 수 있는 방법론을 구축한 의미 있는 연구 결과"라며 연구의 의의를 전했다.
김성준기자 illust76@dt.co.kr
[저작권자 ⓒ디지털타임스 무단 전재-재배포 금지]
실시간 주요뉴스
기사 추천
- 추천해요 0
- 좋아요 0
- 감동이에요 0
- 화나요 0
- 슬퍼요 0