재료인공지능

재료인공지능 카테고리는 원자 수준에서 재료를 이해하고 예측하는 데 기계학습을 쓰는 분야를 다룬다. 바탕이 되는 이론은 고체물리학, 양자화학 등에서 다룰 만한 주제들로 구성되어 있고, 그 위에서 기계학습 원자간 퍼텐셜, 결정 구조 예측, 재료 데이터베이스를 다룬다.

기초

• 🔒(26/11/11)퍼텐셜 에너지 곡면
• 🔒(26/11/05)원자 이웃
• 🔒(26/11/07)원자간 퍼텐셜
  • 레너드-존스 퍼텐셜
  • 임베디드 원자 모형(EAM)^{embedded atom model}
• 🔒(26/11/13)원자계의 대칭성
• 🔒(26/11/15)주기적 경계 조건
• 분자동역학

고체물리학

• 결정 구조
  • 단위 셀

밀도 범함수 이론

• 🔒(26/11/09)보른-오펜하이머 근사
• 밀도 범함수 이론
  • 호엔베르크-콘 정리
  • 콘-샴 방정식
  • 교환-상관 범함수

기계학습 원자간 퍼텐셜

• 기계학습 원자간 퍼텐셜^{machine learning interatomic potential, MLIP}
• MLIP의 능동학습

기술자 기반

• 원자 기술자
  • 원자 중심 대칭함수(ACSF)^{atom-centered symmetry functions}
  • SOAP^{smooth overlap of atomic positions}
• BPNN(벨러-파리넬로 신경망)^{Behler-Parrinello neural network}
• GAP(가우스 근사 퍼텐셜)^{Gaussian approximation potential}
• 🔒(26/11/03)MTP(모멘트 텐서 퍼텐셜)^{moment tensor potential}
• ACE(원자 클러스터 전개)^{atomic cluster expansion}

그래프 신경망

• 메시지 전달 신경망
• SchNet

등변 그래프 신경망

• 등변 신경망
• NequIP
• MACE

범용 퍼텐셜

• M3GNet
• CHGNet
• MACE-MP-0
• SevenNet
• UMA

물성 예측

• CGCNN
• MEGNet
• ALIGNN

결정구조예측

• 결정 구조 예측^{crystal structure prediction, CSP}
• 형성 에너지
  • 볼록 껍질과 열역학적 안정성
• 구조 이완
• 공간군

탐색 알고리즘

• 무작위 구조 탐색(AIRSS)^{ab initio random structure searching}
• 진화 알고리즘(USPEX)
• 입자 군집 최적화(CALYPSO)
• 베이신 호핑^{basin hopping}
• 원소 치환
• GNoME

생성 모델

• 결정 생성 모델
• CDVAE
• DiffCSP
• MatterGen
• CrystaLLM

재료 데이터베이스

• The Materials Project (MP): 다양한 무기 물질^{inorganic materials}의 물성과 관련된 데이터를 제공한다. (2026.02.02)
  • 파이썬에서 API 사용하기
  • API에서 데이터 쿼리하는 법
• MPtrj
• OMat24
• sAlex
• Matbench
• Matbench Discovery