Preferred Networks는 클라우드 기반 원자 수준 시뮬레이션 플랫폼 'Matlantis'에 신규 서비스 'Matlantis CSP(MTCSP)'를 출시했다. 이 서비스의 핵심에는 Preferred Networks가 개발을 주도하는 오픈소스 블랙박스 최적화 프레임워크인 'Optuna'가 채택되었다. 결정 구조 탐색(CSP)은 신소재 개발에서 매우 중요한 공정이나, 탐색 공간이 방대하여 기존 밀도 범함수 이론(DFT) 방식으로는 막대한 계산 비용과 시간이 소요되는 한계가 있었다. 이에 따라 MTCSP는 범용 Neural Network Potential인 'PFP'를 활용해 고속 에너지 평가를 수행하며, 그 탐색 프로세스를 Optuna로 고도화하여 최적화했다.

본 시스템에서 Optuna는 단순한 파라미터 탐색을 넘어 매우 중요한 역할을 수행한다. 구체적으로는 사용자가 지정한 조성과 조건에 따라 후보 결정 구조(원자 배치)를 생성하고, 에너지 지표를 바탕으로 효율적인 탐색 루프를 구성한다. 이때 Optuna의 강점인 대규모 비동기 병렬 처리를 활용하여, 수만에서 수십만 건에 이르는 구조 후보 평가를 현실적인 시간 내에 실행할 수 있게 되었다. 그 결과 연구자들은 방대한 시행착오에서 벗어나 본질적인 물리적·화학적 분석에 집중할 수 있는 환경을 갖추게 되었다.

나아가 탐색 알고리즘에는 유전 알고리즘의 대표적 기법인 'NSGA-II'를 기반으로 한 결정 구조 탐색 전용 로직이 탑재되었다. 데이터 영속화 측면에서도 일반적인 관계형 데이터베이스 대신 결정 구조 데이터에 특화된 'Structure Store'를 별도로 구축하여 스토리지 효율성과 빠른 액세스 속도를 동시에 확보했다. 이처럼 최첨단 AI 최적화 기술과 재료 과학의 도메인 지식을 융합함으로써 차세대 소재 개발을 가속화할 인프라로서의 완성도를 높였다. 또한 오픈소스인 Optuna의 진화가 MTCSP의 성능 향상으로 직결되는 지속 가능한 생태계를 구축했다는 점도 큰 강점이다.

Preferred Networks는 클라우드 기반 원자 수준 시뮬레이션 플랫폼 'Matlantis'에 신규 서비스 'Matlantis CSP(MTCSP)'를 출시했다. 이 서비스의 핵심에는 Preferred Networks가 개발을 주도하는 오픈소스 블랙박스 최적화 프레임워크인 'Optuna'가 채택되었다. 결정 구조 탐색(CSP)은 신소재 개발에서 매우 중요한 공정이나, 탐색 공간이 방대하여 기존 밀도 범함수 이론(DFT) 방식으로는 막대한 계산 비용과 시간이 소요되는 한계가 있었다. 이에 따라 MTCSP는 범용 Neural Network Potential인 'PFP'를 활용해 고속 에너지 평가를 수행하며, 그 탐색 프로세스를 Optuna로 고도화하여 최적화했다.

본 시스템에서 Optuna는 단순한 파라미터 탐색을 넘어 매우 중요한 역할을 수행한다. 구체적으로는 사용자가 지정한 조성과 조건에 따라 후보 결정 구조(원자 배치)를 생성하고, 에너지 지표를 바탕으로 효율적인 탐색 루프를 구성한다. 이때 Optuna의 강점인 대규모 비동기 병렬 처리를 활용하여, 수만에서 수십만 건에 이르는 구조 후보 평가를 현실적인 시간 내에 실행할 수 있게 되었다. 그 결과 연구자들은 방대한 시행착오에서 벗어나 본질적인 물리적·화학적 분석에 집중할 수 있는 환경을 갖추게 되었다.

나아가 탐색 알고리즘에는 유전 알고리즘의 대표적 기법인 'NSGA-II'를 기반으로 한 결정 구조 탐색 전용 로직이 탑재되었다. 데이터 영속화 측면에서도 일반적인 관계형 데이터베이스 대신 결정 구조 데이터에 특화된 'Structure Store'를 별도로 구축하여 스토리지 효율성과 빠른 액세스 속도를 동시에 확보했다. 이처럼 최첨단 AI 최적화 기술과 재료 과학의 도메인 지식을 융합함으로써 차세대 소재 개발을 가속화할 인프라로서의 완성도를 높였다. 또한 오픈소스인 Optuna의 진화가 MTCSP의 성능 향상으로 직결되는 지속 가능한 생태계를 구축했다는 점도 큰 강점이다.