Integrated Machine Learning for Electronic Structure Prediction and Inverse Design of Magnetic Materials
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710113914
과학기술정보통신부
한국연구재단
강원대학교
윤홍기
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
4,439만원
4,439만원
기초연구
대학
강원특별자치도 춘천시
물리학 > 응집물질물리 > 응집물질 계산과학
본 과제의 최종 목표는 구조 생성, 전자구조 예측, 에너지·힘 평가가 분절적으로 수행되던 기존 계산소재 탐색 절차를, 스핀 자유도를 중심으로 하나의 연계된 설계 체계로 전환하는 데 있다. 자성 소재에서는 동일한 조성이나 유사한 결정 구조에서도 스핀 질서와 자기모멘트 배열에 따라 전혀 다른 전자적·자기적 성질이 나타나므로, 구조 안정성만으로는 유망 후보를 선...
연구개발은 공통 스핀 표현체계 구축 => SCF-free 전자구조 예측 확장 => 스핀 조건부 역설계 통합의 세 축으로 추진한다. 먼저 MACE/NequIP 계열 foundation MLFF에 sparsity-promoting fine-tuning을 적용하여 자성계에 필요한 경로만 선택적으로 보정하고, 스핀 방향, 스핀 질서, 원자별 자기모멘트를 함께 다루...
본 연구의 산출물인 공통 스핀 표현체계, SCF-free 전자구조 예측 모듈, 스핀 조건부 생성모듈은 자성체와 저차원 양자 자성체의 후보 탐색에 직접 활용될 수 있으며, 구조-스핀-전자구조 통합 설계의 표준 연구자산으로 축적될 수 있다.- 고비용 DFT 검증 부담을 줄여 초기 후보 발굴과 선별 효율 향상- 스핀트로닉스·양자기능성 소재 탐색을 위한 AI 기반...