실험 데이터와 그래프 신경망을 잇는 새로운 재료 탐색 워크플로우

초록

본 논문은 실험 기반 물성 데이터베이스(NEMAD)와 ICSD의 CIF 파일을 정밀히 정렬하여 완전한 원자 좌표 정보를 확보하고, 이를 기반으로 최신 그래프 신경망(CGCNN)을 학습시켜 자기 물성(큐리·넬 온도 및 자기상태)을 예측한다. 구성만을 이용한 정렬보다 공간군까지 고려한 정렬이 데이터 노이즈를 크게 감소시켜 MAE와 CCR 모두에서 현저한 성능 향상을 보였으며, 전이 학습을 적용하면 추가적인 정확도 개선이 가능함을 입증한다.

상세 분석

이 연구는 재료 과학에서 가장 오래된 병목 현상인 고품질 학습 데이터 부족 문제를 두 가지 축으로 해결한다. 첫 번째는 자연어 처리·대형 언어 모델(LLM)을 활용해 문헌에서 추출한 실험 데이터(NEMAD)를 물리적으로 실존하는 결정 구조와 연결하는 정렬 파이프라인을 구축한 점이다. 여기서는 화학식 매칭뿐 아니라 국제표준(IT) 공간군 번호까지 일치시키는 다중 기준을 적용해, 동일 조성이라도 다른 구조를 가질 수 있는 경우를 배제한다. 정렬 과정에서 발생할 수 있는 다중 매칭(동일 조성·공간군에 여러 CIF가 존재)에는 평균 메트릭 텐서를 이용한 노이즈(ε) 지표를 정의해 구조적 불확실성을 정량화하고, 이를 데이터셋 품질 평가에 활용한다.

두 번째는 이렇게 정제된 데이터베이스를 그래프 신경망, 특히 Crystal Graph Convolutional Neural Network(CG​CNN)에 투입한 점이다. CG​CNN은 원자를 노드, 원자 간 거리와 Voronoi 기반 특성을 엣지로 하는 그래프를 구성해, 원자 간 상호작용을 계층적으로 학습한다. 논문에서는 기본 CG​CNN 구조에 3개의 컨볼루션 레이어(히든 차원 128)와 64차원의 원자 특성 벡터를 사용했으며, 회귀(큐리·넬 온도)와 분류(자기상태) 두 작업을 동시에 수행하도록 설계했다.

실험 결과는 세 가지 정렬 수준(미정렬, 조성만 정렬, 조성+공간군 정렬)과 두 학습 전략(스크래치 학습, 전이 학습)으로 나누어 평가되었다. 조성만 정렬된 데이터베이스(≈44k·28k 샘플)에서도 기존 랜덤 포레스트·XGBoost 기반 모델보다 MAE가 2030 % 감소했으며, 조성+공간군 정렬(≈5k·3.8k 샘플)에서는 MAE가 추가로 1015 % 더 낮아졌다. 특히 전이 학습을 적용한 경우, 사전 학습된 형성에너지 모델의 파라미터를 미세조정함으로써 데이터가 적은 상황에서도 과적합을 방지하고 R²를 0.90 이상으로 끌어올렸다.

또한, 외부 벤치마크인 MagNData와의 교차 검증을 통해 정렬된 데이터베이스가 실제 실험값과 높은 일치도를 보임을 확인했다. 이는 구조 정보를 완전히 제공받은 CG​CNN이 물성 예측에 있어 원자 배열의 미세 차이를 포착할 수 있음을 의미한다. 논문의 핵심 기여는 (1) 실험 데이터와 고품질 CIF를 자동 정렬하는 파이프라인, (2) 정렬 품질을 정량화하는 노이즈 메트릭, (3) 정렬된 데이터베이스를 활용한 GNN 기반 자기물성 예측 모델이며, 이는 향후 다양한 물성(예: 전이 금속 촉매, 배터리 전극)에도 확장 가능할 것으로 기대된다.