MatterSim으로 소재 AI 고도화: 실험적 합성, 고속 시뮬레이션, 다중 과제 모델

MatterSim-v1이 고열전도 소재 후보를 실제 실험으로 검증했다. UT Dallas, UIUC, UC Davis와 함께 24만 개 이상 후보를 스크리닝해 정방정 TaP를 찾아냈고, 실험 열전도도는 152 W/m/K로 실리콘에 근접했다.

고열전도 소재는 컴퓨팅, 전력전자, 항공우주 냉각에 중요하다. MatterSim은 포논 기반 열전도도 예측으로 후보군을 빠르게 좁혀, 기존 방식으로는 다루기 어려운 규모의 탐색을 가능하게 했다.

• 성능 개선: MatterSim-v1.0.0-5M은 3배, v1.0.0-1M은 5배 빨라졌다. 그래프 구성 최적화, ahead-of-time compilation, 원자 표현 변환 축소가 속도 향상을 이끌었고, LAMMPS 통합으로 여러 GPU에서 대규모 시뮬레이션을 돌릴 수 있게 됐다.
• MatterSim-MT: 다중 과제 기반 모델은 에너지, 힘, 응력에 더해 자기 모멘트, Born effective charges, dielectric matrices까지 예측한다. 89개 원소, 최대 5000 K, 1000 GPa를 포함한 3,500만 개 이상의 first-principles로 라벨링된 구조로 사전학습됐으며, vibrational spectroscopy, ferroelectric switching, electrochemical redox 같은 현상을 다룬다. full manuscript에서는 더 많은 데이터와 파라미터에 따른 스케일링, higher levels of theory로의 미세조정, active learning 확장도 제시했다.