Mohamad Moosavi: AI를 활용한 기후 솔루션 탐색 가속화

섹션별 상세

기존 소재 공학은 분자를 개별적인 범주형 변수로 취급하여 최적화 과정이 비효율적이었다.

딥러닝 기반의 수학적 표현을 통해 분자를 연속 변수로 변환하여 공학적 최적화 기법을 화학 설계에 동시 적용한다.

위상적 딥러닝은 분자의 3차원 구조와 연결 패턴을 학습하여 소재의 성능을 예측한다.

이 기술은 탄소 포집, 에너지 저장 등 기후 변화 대응을 위한 신소재 개발 기간을 획기적으로 단축한다.

금속-유기 골격체(Metal-Organic Frameworks): — 금속 이온과 유기 리간드가 결합하여 형성된 다공성 결정 물질로, 기체 저장, 분리, 촉매 등 다양한 분야에서 활용된다. 연구팀은 이 물질의 합성을 최적화하는 데 AI를 활용한다.
위상적 딥러닝(Topological Deep Learning): — 데이터의 3차원 구조와 연결 패턴을 학습하는 딥러닝 기법이다. 분자 구조의 기하학적 특성을 인코딩하여 소재의 성능을 예측하는 데 사용된다.
미분 가능 프로그래밍(Differentiable Programming): — 컴퓨터 프로그램의 변수를 수학적으로 미분 가능한 연속 변수로 처리하는 기법이다. 이를 통해 복잡한 화학 시스템에 공학적 최적화 알고리즘을 적용할 수 있다.