SchNet - 분자와 재료를 위한 딥러닝 아키텍처

딥러닝은 인공지능의 패러다임 변화를 이끌었으며, 웹 검색, 텍스트 및 이미지 검색, 음성 인식뿐만 아니라 생물정보학과 화학 물리학에서도 그 영향력이 점차 커지고 있습니다. 일반적으로 머신러닝, 특히 딥러닝은 양자역학적 상호작용을 표현하기에 이상적이며, 비선형 잠재 에너지 표면을 모델링하거나 화합물 공간 탐사를 강화하는 데 활용될 수 있습니다. 본 연구에서는 원자 시스템을 모델링하기 위해 연속 필터 합성곱 계층을 활용한 딥러닝 아키텍처인 SchNet를 소개합니다. 우리는 SchNet의 능력을 주기표 전반에 걸쳐 원소 유형의 화학적으로 타당한 임베딩을 학습하여 분자와 재료의 다양한 성질을 정확히 예측함으로써 입증하였습니다. 마지막으로, SchNet를 이용하여 소분자의 분자 역동학 시뮬레이션에서 사용할 수 있는 잠재 에너지 표면과 에너지를 보존하는 힘장(力场)을 예측하고, C$_{20}$-풀러렌의 양자역학적 특성을 규칙적인 \emph{ab initio} 분자 역동학 시뮬레이션으로는 불가능했었던 예시적인 연구를 수행하였습니다.注: "力场" (force field) 是一个中文术语，在韩文中通常直接使用英文 "force field"。因此，建议将其修改为：우리는 SchNet를 이용하여 소분자의 분자 역동학 시뮬레이션에서 사용할 수 있는 잠재 에너지 표면과 에너지를 보존하는 힘장(force field)을 예측하고, C$_{20}$-풀러렌의 양자역학적 특성을 규칙적인 \emph{ab initio} 분자 역동학 시뮬레이션으로는 불가능했었던 예시적인 연구를 수행하였습니다.