동적 학습으로 강한 비조화 물질의 머신러닝 포스 필드 구현

초록

본 논문은 베이즈 오류 추정을 이용한 동적 학습 프레임워크를 제시하여, c‑BAs, Si, SnSe와 같은 비조화 물질에 대해 높은 정확도의 머신러닝 기반 포스 필드를 효율적으로 구축한다. 궤적 평균 베이즈 오류를 기준으로 훈련 데이터를 자동으로 선택·추가함으로써 훈련 비용을 최소화하고, 추가적인 ab‑initio 계산 없이도 학습 수렴을 판단한다.

상세 분석

이 연구는 전통적인 정적 훈련 데이터베이스가 비조화 시스템에서 겪는 ‘보이지 않는 구성’ 문제를 해결하고자, 라티스 다이내믹스 전개와 베이즈 선형 회귀를 결합한 동적 훈련 방식을 도입하였다. 핵심 아이디어는 현재 포스 필드가 예측하는 베이즈 오류 ε_B 를 실시간으로 모니터링하고, ε_B 가 최근 k 단계의 평균 μ_k