AI, 재료화학을 파괴하고 2024년 가장 주목할 만한 과학 연구 결과 요약
과학을 위한 AI는 과학적 발견의 "5번째 패러다임"입니다.새로운 과학 연구 혁명이 시작되고 있으며, 이러한 변화는 특히 재료화학 분야에서 두드러지게 나타납니다.
기존의 "경험에 의존하고 시행착오를 겪는" 모델에 작별 인사를 고하세요. 지능 기반 소재 연구개발 분야에서 AI는 과학적 시뮬레이션, 모델 예측, 고처리량 실험, 자동 특성 분석 등에서 중요한 수단을 제공하여 신소재 연구개발 비용을 효과적으로 절감하고 연구개발 효율성을 향상시킬 수 있습니다.
다가오는 2024년을 돌이켜보면, 재료화학 분야는 AI의 지원을 받아 빈번하게 희소식을 전하고, 가치 있는 연구 성과가 점점 더 많이 나오고 있습니다. HyperAI는 과학을 위한 AI에 초점을 맞춘 초기 커뮤니티 중 하나로, 최첨단 논문을 해석하고 수시로 온라인/오프라인 학술 공유 세션을 구성하는 등 다양한 수단을 통해 과학을 위한 AI의 대중화를 촉진하는 데 전념하고 있습니다.
옛 것에 작별을 고하고 새 것을 맞이하는 이 시기에, 우리는 2023-2024년에 해석된 최첨단 논문을 선정하고 분류했습니다. 본 논문은 재료화학 분야에서의 AI 연구에 초점을 맞추고 있습니다. 아래의 논문 제목이나 중국어 해석을 클릭하면 논문 해석 페이지로 이동합니다. 도움이 되셨으면 좋겠습니다.
01 、논문 제목:최적의 강도와 연성을 갖춘 내화성 고엔트로피 합금의 머신 러닝 지원 구성 설계
중국어 해석:1200°C 고온 성능 한계 돌파! 베이징 과학 기술 대학교는 기계 학습을 사용하여 실온 연성이 뛰어난 24개의 내화성 고엔트로피 합금을 합성했습니다.
연구 내용:베이징 과학기술대학 연구팀은 기계 학습, 유전자 검색, 클러스터 분석, 실험 피드백을 결합한 다목적 최적화 프레임워크를 통합하여 최적의 고온 강도와 상온 연성을 갖춘 내화성 고엔트로피 합금을 찾아냈습니다.
출판된 저널:공학, 2024.09
02、논문 제목:Open Materials 2024(0Mat24) 무기 재료 데이터 세트 및 모델
중국어 해석:원소 주기율표를 거의 다룹니다! Meta는 1억 1천만 개의 DFT 계산 결과를 포함하는 오픈 소스 OMat24 데이터 세트를 출시했습니다.
연구 내용:Meta는 오픈소스 데이터세트 OMat24와 사전 학습된 모델 EquiformerV2를 출시했습니다. OMat24 데이터 세트에는 구조적, 구성적 다양성에 초점을 맞춘 1억 1천만 개 이상의 DFT 계산 결과가 포함되어 있습니다.
출판된 저널:arXiv, 2024.10
03、논문 제목:결정 구조로부터 광학 스펙트럼을 직접 예측하기 위한 범용 앙상블 임베딩 그래프 신경망
중국어 해석:944개의 재료 데이터를 기반으로 도호쿠대학과 MIT가 GNNOpt 모델을 출시해 수백 개의 태양전지 및 양자 후보물질 발굴에 성공
연구 내용:일본 도호쿠 대학과 MIT의 연구진은 그래프 신경망을 기반으로 한 GNNOpt 모델을 출시하여, 태양 에너지 변환 효율이 32%를 초과하는 246개 물질과 높은 양자 가중치를 가진 296개 양자 물질을 성공적으로 식별했습니다.
출판된 저널:첨단소재, 2024.06
04、논문 제목:설명 가능한 단발성 배터리 수명 예측을 위한 반지도 학습
중국어 해석:20%로 리튬 배터리 수명 예측 정확도가 향상되었습니다! 상하이 교통대학교 연구팀은 레이블이 지정되지 않은 데이터에서 숨겨진 정보를 추출하기 위한 반지도 학습 방법인 PBCT를 출시했습니다.
연구 내용:상하이 교통대학교 연구팀은 반지도 학습 기술을 사용하여 배터리 수명을 예측했으며, 20%는 예측 정확도를 향상시켰습니다.
출판된 저널:줄, 2024.03
05 、논문 제목:ChemLM: 화학 대규모 언어 모델
중국어 해석:상하이 AI 연구소, 700만 건의 질의응답 데이터 처리, GPT-4 수준의 전문 역량 갖춘 ChemLLM 출시
연구 내용:상하이 인공지능 연구소는 대화 상호작용을 통해 화학 분야의 다양한 작업을 수행할 수 있는 대형 화학 언어 모델인 ChemLM을 출시했습니다. 핵심 작업에 대한 성능은 GPT-4와 비슷합니다. 연구자들은 구조화된 화학적 지식을 대화 체계에 통합하여 다양한 과학 분야에서 LLM 개발을 위한 새로운 표준을 제시했습니다.
출판된 저널:arXiv, 2024.02
06、논문 제목:AutoML 기반 기능 삭제 실험을 통한 화학 흡착 강도 해석
중국어 해석:상하이 교통대학교 허율리안 연구팀, AutoML 기반으로 지식 자동 추출, 촉매 설계 가속화
연구 내용:상하이 교통대학교 공동연구소의 한 팀은 자동 기계 학습(AutoML)을 기반으로 촉매 표면에서 반응물의 화학 흡착 에너지를 지배하는 요인이 무엇인지 탐구했습니다. 이는 촉매 설계 최적화에 매우 중요합니다.
출판된 저널:미국 국립과학원 회보, 2024.03
07、논문 제목:3차원 각도 감지 광 검출을 위한 나노막 롤링의 다층 설계 및 구축
중국어 해석:마이크로전자공학은 무어 이후 시대로 빠르게 발전하고 있습니다! 복단대 메이융펑 연구팀, DNN과 나노필름 기술 통합해 입사광 각도 정확하게 분석
연구 내용:복단대학교 연구팀은 심층 신경망과 나노 박막 조립 기술을 결합하여 입사광 각도를 고정밀로 예측할 수 있는 일련의 3차원 구조 광검출기를 개발했으며, 이는 웨어러블 기기, 스마트 가구, 지능형 주행 시스템 등의 분야에서 큰 잠재력을 가지고 있습니다.
출판된 저널:네이처 커뮤니케이션즈, 2024.04
08、논문 제목:변분 에너지 최소화에 기반한 신경망 밀도 함수 이론
중국어 해석:물질탐사의 새로운 시대! 청화대학교의 쉬융(Xu Yong)과 돤원후이(Duan Wenhui) 연구팀은 전자 구조 예측의 블랙박스를 여는 신경망 밀도 함수 프레임워크를 공개했습니다!
연구 내용:청화대학교 연구팀은 시간이 많이 걸리고 복잡한 물질 구조의 기존 DFT 계산의 단점을 극복하기 위해 신경망 밀도 함수 이론 프레임워크를 제안했습니다.
출판된 저널:Physical Review Letters, 2024.08
09 、논문 제목:분자 조립 작업을 기반으로 한 해석 가능한 딥 러닝 프레임워크를 통한 역합성 예측
중국어 해석:산둥대학교는 4단계로 유기화합물의 역합성 경로를 식별하기 위해 해석 가능한 딥러닝 알고리즘 RetroExplainer를 개발했습니다.
연구 내용:산둥대학교와 중국 전자과학기술대학교는 설명 가능한 딥러닝 알고리즘인 RetroExplainer를 공동으로 개발했습니다. 이 알고리즘은 4단계로 유기화합물의 역합성 경로를 식별하고 쉽게 이용 가능한 반응물을 제공하여 유기화학 분야의 역합성 연구를 위한 강력한 도구를 제공합니다.
출판된 저널:네이처 커뮤니케이션즈, 2023.10
10.논문 제목:다양한 응용 분야에서 폴리머 재료와의 코팅 및 혼합을 가능하게 하는 수분산성 X선 섬광체
중국어 해석:유연한 복합소재 분야의 새로운 혁신! 허베이대 연구팀은 혁신적인 X선 섬광체를 이용해 3가지 신소재를 개발했다.
연구 내용:허베이 대학은 겐트 대학의 팀과 협력하여 수분산성이 우수하고 X선에 대한 감도가 높은 반짝이는 물질을 개발했으며, 수분산성 반짝이는 물질을 사용하여 세 가지 소재를 개발했습니다.
출판된 저널:네이처 커뮤니케이션즈, 2024.03
11.논문 제목:금속 유기 구조에서 고정확도 가스 흡착 예측을 위한 포괄적인 변압기 기반 접근 방식
중국어 해석:청화대학교는 63만개의 3차원 공간 구성을 효과적으로 식별하고 MOF의 흡착 용량을 예측하는 Uni-MOF 모델 출시를 주도했습니다.
연구 내용:청화대학교, 캘리포니아대학교 리버사이드 캠퍼스, 베이징과학기술원 등의 연구팀은 3차원 금속 유기 골격 물질의 흡착 거동을 예측하기 위한 기계 학습 모델인 Uni-MOF를 제안했습니다. 이 모델은 다양한 작업 조건에서 다양한 가스에 대한 나노다공성 물질의 흡착 성능을 예측하는 데 사용됩니다.
출판된 저널:네이처 커뮤니케이션즈, 2024.03
12.논문 제목:딥러닝 밀도 함수 이론 해밀토니안의 범용 재료 모델
중국어 해석:신경망이 밀도 함수 이론을 대체합니다! 칭화대 연구팀, 범용 소재 모델 DeepH 출시, 초정밀 예측 달성
연구 내용:청화대학교 연구팀은 재료의 구조와 특성을 예측하는 데 사용할 수 있는 DeepH 범용 재료 모델을 제안하여 "대규모 재료 모델"을 구축하는 것이 가능함을 보여주었습니다.
출판된 저널:과학 게시판, 2024.06
13.논문 제목:탄소 포집을 위한 금속-유기 프레임워크 설계를 위한 분자 확산 모델 기반 생성 인공지능 프레임워크
중국어 해석:Argonne National Laboratory, MOF 혁신 가속화를 위한 생성적 AI 프레임워크 출시
연구 내용:미국의 Argonne National Laboratory는 생성적 AI 프레임워크인 GHP-MOFsassemble을 출시했습니다. 이 프레임워크는 새로운 MOF 구조를 무작위로 생성하고 조립하고, 매우 안정적인 MOF 구조를 걸러내고, 이산화탄소 흡착 능력을 테스트할 수 있습니다.
출판된 저널:통신화학, 2024.02
14.논문 제목:양성자 고체 산화물 전지의 공기 전극을 위한 양성자 전도성 Co/Fe 기반 산화물의 기계 학습 지원 스크리닝
중국어 해석:AI가 배터리 소재를 스크리닝하고, 광저우대 Ye Siyu 교수가 P-SOC 소재 예측에 활용할 수 있는 머신러닝 알고리즘 모델을 개발했다.
연구 내용:광저우 대학의 연구진은 P-SOC 공기 전극의 스크리닝에 사용할 수 있는 극한 그래디언트 부스팅 알고리즘을 기반으로 한 머신 러닝 모델을 구축했습니다.
출판된 저널:첨단기능재료학회지, 2023.12
15.논문 제목:결정 캡슐 표현을 통한 재료 대칭 인식 및 속성 예측
중국어 해석:중산대학의 Li Huashan과 Wang Biao 연구 그룹은 높은 정확도로 재료 특성을 예측하기 위해 SEN 머신 러닝 모델을 개발했습니다.
연구 내용:중산대학 연구팀은 내재적 결정 대칭과 물질 구조 클러스터 간의 상호 작용을 정확하게 인식할 수 있는 SEN이라는 머신 러닝 모델을 개발했습니다.
출판된 저널:네이처 커뮤니케이션즈, 2023.08
16.논문 제목:물 흡착 등온선 및 냉각 성능에 대한 머신 러닝 지원 예측
중국어 해석:화중과학기술대학교의 Li Song 연구 그룹은 머신 러닝을 사용하여 다공성 재료의 수분 흡착 등온선을 예측했습니다.
연구 내용:화중과학기술대학 연구팀은 AI를 훈련시켜 재료의 구조적 매개변수에 따라 수분 흡착 등온 매개변수와 그에 따른 응용 성능을 예측하는 2단계 머신 러닝 모델을 구축했습니다.
출판된 저널:재료화학 저널 A, 2023.09
17.논문 제목:FlowLLM: 대규모 언어 모델을 기본 분포로 한 자료 생성을 위한 흐름 매칭
중국어 해석:300%는 안정성 소재 생성의 효율성을 높여줍니다! Meta FAIR는 45,000개 이상의 재료를 포함하는 데이터 세트를 갖춘 재료 생성 모델 FlowLLM을 출시했습니다.
연구 내용:Meta FAIR 연구실과 암스테르담 대학교는 공동으로 물질 생성 모델 FlowLLM을 출시했습니다. 이를 통해 안정적인 물질 생성 효율이 300% 이상, SUN 물질 생성 효율이 약 50% 증가했습니다.
출판된 저널:신경IPS 2024, 2024.10
18.논문 제목:재료 발견을 위한 딥 러닝 확장
중국어 해석:인류보다 800년 앞선가요? DeepMind, 딥러닝을 활용해 220만 개의 새로운 수정을 예측하는 GNoME 출시
연구 내용:구글 딥마인드는 딥러닝 도구인 GNoME을 출시했는데, 이는 단기간 내에 220만 개의 새로운 결정을 발견했고, 이 중 38만 개의 새로운 결정은 구조가 안정적이어서 연구 개발을 위한 잠재적인 소재가 될 수 있습니다.
출판된 저널:네이처, 2023.11
19.논문 제목:자체 참조 통합 패브리-페로 공진기를 갖춘 CMOS 호환 재구성 분광기
중국어 해석:미국 국립과학원 회보의 표지 기사입니다! 중국팀, 웨이퍼 레벨 생산 가능한 AI 적응형 마이크로 분광기 출시
연구 내용:복단대학교 연구팀은 웨이퍼 수준에서 제조 가능한, 성숙한 집적 회로 공정을 사용하여 소형화된 재구성 분광기의 새로운 설계를 제안했으며, 이는 대부분의 소형화된 스펙트럼 테스트 요구 사항을 충족시키기에 충분한 밀리미터 규모의 크기를 가지고 있습니다.
출판된 저널:미국 국립과학원 회보, 2024.08
20.논문 제목:광 신경망을 위한 완전 순방향 모드 학습
중국어 해석:국내 광칩 개발에 큰 혁신이 일어났습니다! 청화대 연구팀은 신경망을 사용하여 최초의 풀포워드 지능형 광 컴퓨팅 훈련 아키텍처를 구축했습니다.
연구 내용:청화대학교 연구팀은 딥러닝 신경망, 초고감도 지각, 위상 광자공학 등의 분야 개발을 촉진할 것으로 기대되는 완전 순방향 모드(FFM) 학습 방법을 개발했습니다.
출판된 저널:네이처, 2024.08
스물하나,논문 제목:데이터 및 연구자 중심 프로세스 설계를 통한 철 기반 초전도체를 사용한 초강력 영구 자석
중국어 해석:세계 최강의 철기반 초전도 자석이 탄생했습니다! 과학자들은 기존 기록보다 2.7배 더 강한 자기장 강도를 가진 머신러닝 기반 새로운 연구 시스템을 설계했습니다.
연구 내용:영국과 일본 과학자들이 AI 기술을 사용하여 세계에서 가장 강한 철 기반 초전도 자석을 만드는 데 성공했습니다.
출판된 저널:NPG 아시아 머티리얼즈, 2024.06
스물둘,논문 제목:앙상블 학습을 기반으로 한 리튬 이온 배터리용 단순화된 전기화학 모델
중국어 해석:우한 이공대학의 Kang Jianqiang 팀은 리튬 배터리의 성능 경계를 재조정하여 앙상블 학습을 기반으로 한 단순화된 전기화학 모델을 제안했습니다.
연구 내용:우한 이공대학 연구팀은 전극 입자 표면의 리튬 이온 농도 변화를 정확하게 예측하고 이를 통해 배터리 전압을 예측할 수 있는 단순화된 전기화학 모델을 제안했습니다.
출판된 저널:아이사이언스, 2024.05
스물셋,논문 제목:빈칸 채우기: 누락된 물리적 현장 정보를 복구하기 위한 전이 가능한 딥 러닝 접근 방식
중국어 해석:물질 공간의 빈칸을 채우세요: MIT는 딥러닝을 사용하여 비파괴 검사 문제를 해결합니다.
연구 내용:MIT 과학자들은 딥 러닝을 사용하여 제한된 정보를 사용하여 재료의 누락된 부분을 복구하고 표면을 추가로 관찰하여 재료의 내부 구조를 결정할 수 있는 기술을 개발했습니다.
출판된 저널:첨단소재, 2023.03
스물넷,논문 제목:자연어 처리 및 딥러닝을 통한 내식성 합금 설계 향상
중국어 해석:AI "부패 방지", 독일 막스 플랑크 연구소, NLP와 DNN 결합해 내식성 합금 개발
연구 내용:독일의 막스 플랑크 철 연구소는 심층 신경망(DNN)과 자연어 처리(NLP)를 결합하여 합금의 내식성에 미치는 다양한 요소의 영향을 탐구하는 프로세스 인식 DNN을 개발했습니다.
출판된 저널:과학 발전, 2023.08
25.논문 제목:고성능 광양극 촉매 설계를 위한 포괄적인 머신 러닝 전략
중국어 해석:청화대학교는 해석 가능한 머신 러닝을 사용하여 광양극 촉매를 최적화하여 물의 광분해를 돕고 수소를 생산합니다.
연구 내용:청화대학교 연구팀은 기계 학습을 사용하여 BiVO(4) 광양극의 공촉매를 최적화했습니다.
출판된 저널:재료화학 저널 A, 2023.10
26.원본 논문:외부 필드에 대한 원자 시스템의 반응을 위한 범용 머신 러닝
중국어 해석:USTC의 Jiang Bin 연구 그룹은 외부 필드에 대한 원자의 반응을 분석하기 위해 FIREANN을 개발했습니다.
연구 내용:화학 시스템과 외부장 사이의 상호작용은 매우 중요합니다. 중국 과학기술대학 연구팀은 외부 필드 강도와 방향이 변할 때 시스템 에너지의 변화 추세를 정확하게 기술할 수 있고, 모든 차수의 시스템 응답을 예측할 수 있는 필드 유도 재귀적 임베디드 원자 신경망(FIREANN)을 개발했습니다.
출판된 저널:네이처 커뮤니케이션즈, 2023.10
위의 내용은 이번 호에 요약된 AI+재료화학에 관한 최첨단 논문입니다. AI+생물의학, 의료 건강, 기상학, 해양학에 관한 더 많은 논문을 보려면 다음 시간에 만나요.
마지막으로 기술 살롱을 공유해 드리겠습니다! 제6회 AI 컴파일러 대회가 12월 28일 상하이에서 개최됩니다. 사진을 클릭하면 강사가 발표한 주제에 대해 자세히 알아볼 수 있으며, QR 코드를 스캔하여 바로 등록할 수 있습니다.
