U 없이 더 나은 머신러닝 포텐셜

초록

본 논문은 Materials Project에서 선택적으로 적용하는 Hubbard U 보정이 대규모 MLIP 데이터셋에 혼재될 경우, 금속‑산소/플루오린 상호작용에 비물리적 반발을 일으키는 두 개의 서로 다른 포텐셜 에너지 표면을 만들게 된다는 점을 밝힌다. 저자들은 per‑U‑atom 에너지 시프트를 제안해 PBE와 PBE+U 에너지 차이를 보정하고, 이를 적용한 모델이 산소 흡착·금속‑산화물 접착 에너지 예측에서 현저히 낮은 MAE를 보임을 입증한다. 향후 fMLIP 데이터셋에서는 Hubbard U를 배제하거나, 기존 데이터에 제안된 사후 보정을 적용할 것을 권고한다.

상세 분석

이 연구는 fMLIP(Foundational Machine‑Learning Interatomic Potentials)의 학습에 사용되는 대규모 DFT 데이터베이스가 내부적으로 서로 다른 두 PES—PBE 기반 저에너지 표면과 PBE+U 기반 고에너지 표면—를 혼합하고 있음을 지적한다. Materials Project는 전이금속 d‑오비탈에 대해 산소·플루오린이 존재할 때만 Hubbard U를 적용하도록 설계했으며, 이는 금속 단독 시스템과 금속‑산소/플루오린 복합 시스템 사이에 에너지 불연속을 만든다. MLIP은 제한된 커팅 반경을 갖는 로컬 모델이므로, 훈련 데이터에 존재하는 두 PES 사이를 보간하게 되고, 결과적으로 금속 표면에 산소·플루오린이 접근할 때 비정상적인 과도한 양의 에너지 상승(underbinding 혹은 repulsion)이 발생한다.

실험에서는 MPtrj, Alexandria, OMat24 등 다양한 데이터셋을 이용해 훈련된 MACE, MA CE, CHGNet, eSEN 등 여러 최신 모델을 평가하였다. 특히 OMat24‑기반 MA CE‑OMAT 모델은 모든 U‑보정 금속에 대해 산소 흡착이 전혀 일어나지 않으며, 심지어 4 Å 이상의 거리에서도 강한 반발을 보였다. 반면, PBE‑전용 MatPES 데이터셋으로 훈련된 모델은 이러한 병목 현상이 전혀 없었다.

저자들은 기존의 Wang 등(phase‑diagram 목적) 보정 스킴이 에너지 차이를 상쇄하려 하지만, 보정값이 원자별 고정값이기에 PES를 매끄럽게 만들지는 못한다는 점을 확인했다. 따라서 새로운 “per‑U‑atom shift”를 도입해, 동일 구조에 대해 PBE와 PBE+U 에너지 차이를 각 U‑보정 원자당 일정한 값으로 보정하였다. 이 시프트는 실험적으로 PBE+U와 PBE 에너지 차이의 평균제곱오차를 최소화하도록 최적화되었으며, 결과적으로 훈련 데이터의 PES가 연속적이고 부드러워졌다.

보정 적용 후 모델을 재학습한 결과, 산소 흡착 에너지 MAE가 기존 Wang 보정 대비 약 30 % 감소했으며, 금속‑산화물 접착 에너지 예측에서도 물리적으로 타당한 값을 재현했다. 또한, 데이터셋 내 U‑보정 구성의 산소 원자 밀도가 높을수록 병목 현상이 심해짐을 정량적으로 보여, OMat24처럼 산소가 풍부한 데이터가 가장 큰 영향을 받는다는 결론을 도출했다.

최종적으로 저자들은 (1) 향후 fMLIP 데이터셋 구축 시 Hubbard U를 전면 배제하거나, (2) 기존 데이터에 제안된 per‑U‑atom 시프트를 사후 적용해 저비용으로 개선할 것을 권고한다. 이는 촉매·산화·부식 시뮬레이션 등 금속‑산소 상호작용을 정확히 다루어야 하는 분야에 특히 중요한 시사점을 제공한다.