LLM, 재료 물성 예측의 한계와 활용 전략
좌표-범주 데이터(벡터와 범주 정보의 조합)로부터 물성을 예측하는 것은 재료 과학에서 형성 에너지나 탄성 계수를 예측하는 등 계산 과학의 근간을 이룹니다. 최근 거대 언어 모델(LLM)이 이러한 작업에 적용되고 있으나, 신뢰할 수 있는 예측을 위한 최적의 전략은 여전히 불분명합니다. 본 연구는 LLM이 좌표-범주 데이터의 좌표 정보를 학습하는 데 근본적인 한계가 있음을 밝힙니다. 좌표 및 범주 기여도를 조절할 수 있는 합성 데이터셋과 포괄적인 벤치마킹 프레임워크(MatText)를 활용한 체계적인 실험을 수행했습니다. 그 결과, …