pfpoly, 범용 AI로 고분자 반응 고속 재현
- •범용 기계학습 포텐셜 PFP와 반응 가속법을 통합한 신규 시뮬레이터 'pfpoly' 개발
- •반응 장벽을 자동으로 스캔하는 TDBB 기법을 통해 사전 설정 없이 중합 반응 유도
- •실험값과의 높은 상관성을 확인하고 고체 계면의 복잡한 경화 해석에 성공
고분자 재료 설계에서 분자들이 어떻게 연결되고 어떤 구조를 형성하는지 원자 수준에서 파악하는 것은 제품의 품질과 기능을 결정짓는 핵심 공정이다. 하지만 기존 분자 동역학(MD) 시뮬레이션은 화학 반응을 묘사하기 위한 포텐셜 제작에 방대한 전문 지식과 시간이 소요될 뿐만 아니라, 실제 반응이 시뮬레이션 시간 내에 거의 일어나지 않는 '레어 이벤트(rare event) 문제'가 분석의 큰 장벽이었다. 이에 Preferred Networks 연구팀은 이러한 과제를 독창적인 방식으로 해결한 혁신적인 시뮬레이터 'pfpoly'를 선보였다.
pfpoly의 핵심은 범용 기계학습 원자간 포텐셜(uMLIP)인 'PFP'와 새롭게 제안된 반응 가속 기법 'TDBB'의 매끄러운 통합에 있다. PFP를 활용하면 미지의 재료계라 할지라도 특정 역장(force field)을 별도로 구축할 필요 없이 즉시 계산을 시작할 수 있다. 특히 TDBB는 반응이 정체된 시간만큼 에너지 바이어스를 시간에 따라 자동으로 강화함으로써, 나노초 단위의 계산으로는 도달하기 어려웠던 중합 및 경화 프로세스를 효율적으로 재현하는 데 성공했다. 그 결과 반응 종류마다 수동으로 파라미터를 조정해야 했던 번거로움이 대폭 줄어들었다.
본 기법의 강점은 절대적인 속도 상수의 산출이라는 어려운 목표 대신, 재료 설계 실무에서 가장 요구되는 '순위 및 상대적 경향 파악'에 특화된 설계 사상을 채택했다는 점에 있다. 실제로 라디컬 중합의 반응 속도 서열을 실험값과 높은 상관관계로 재현했을 뿐만 아니라, 금속 산화물(CuO) 계면에서의 에폭시 경화처럼 유·무기 물질이 혼재되어 기존 방식으로는 다루기 어려웠던 시스템에서도 계면 근처의 반응 억제 현상을 명확히 규명해냈다.
해당 연구는 AI가 단순한 데이터 예측을 넘어 복잡한 물리화학 현상을 탐구하기 위한 '고도화된 디지털 실험장'을 구축할 수 있음을 시사한다. 고분자 과학 분야의 시뮬레이션 진입 장벽을 획기적으로 낮춘 이 기법은 접착제나 코팅재, 복합 소재 등 차세대 소재 개발을 가속화할 강력한 도구가 될 것으로 기대된다.