원자 재료화학 파운데이션 모델
원자 단위 물질 시뮬레이션은 화학 및 재료 과학의 근간을 이루지만, 기존 기계 학습(ML) 기반 힘장(force field)은 특정 시스템에 대한 개발 및 검증에 많은 노력이 필요하고, 화학 시스템 간 전이성(transferability)이 부족하다는 한계가 있었습니다. 이는 시뮬레이션의 적용 범위와 효율성을 저해하는 주요 문제였습니다. 본 연구에서는 공개 데이터셋으로 학습된 범용 원자 ML 모델을 제안합니다. 이 모델은 다양한 분자와 재료에 대해 안정적인 분자 동역학 시뮬레이션을 수행할 수 있습니다. 특히, MACE-MP-0 모델은 고체, 액체, 기체, 화학 반응, 계면 및 단백질 동역학 등 물리 과학의 광범위한 문제에서 정성적, 때로는 정량적으로도 높은 정확도를 보였습니다. 이 모델은 모든 원자 시스템에 즉시 적용 가능한 파운데이션 모델로 활용될 수 있으며, 필요한 경우 소수의 응용 분야별 데이터만으로도 ab initio 수준의 정확도를 달성하도록 미세 조정(fine-tuning)할 수 있습니다. 이는 안정적인 힘장 모델이 거의 모든 재료를 포괄할 수 있음을 입증한 것입니다. 이러한 파운데이션 모델은 숙련된 사용자에게는 신뢰할 수 있는 결과를 더 빠르게 제공하고, 초보자에게는 진입 장벽을 낮춰 원자 규모 모델링의 민주화를 앞당길 것으로 기대됩니다.