전구조 예측을 위한 전원자 흐름 매칭 AtomMOF

초록

AtomMOF는 건축 블록과 흡착제의 2D 그래프를 입력으로 받아, 고정된 결합 길이·각도 가정을 없앤 전원자 흐름 매칭 모델을 통해 MOF‑흡착제 복합체의 평형 3D 구조와 격자 파라미터를 직접 생성한다. 변분 흐름 매칭(VFM)과 Diffusion Transformer 기반 디노이징 네트워크를 사용하고, 머신러닝 기반 인터액티브 포텐셜(MLIP)과 Feynman‑Kac 스티어링을 결합해 기하학적 유효성 및 샘플링 안정성을 크게 향상시켰다. BW 데이터셋에서 매치율을 35 % 상승, RMSD를 32 % 감소시켰으며, ODAC25에서는 GCMC 대비 샘플 효율이 높고 더 낮은 흡착 에너지 후보를 발견한다.

상세 분석

본 논문은 금속‑유기 골격체(MOF)와 흡착제 복합 구조 예측이라는 아직 충분히 다루어지지 않은 문제에 대해 전원자 수준의 생성 모델을 제안한다. 기존 MOF 생성 모델은 (1) 고정된 결합 길이·각도와 같은 강체 가정을 두어 구조적 유연성을 제한하고, (2) 호스트 구조만을 생성해 흡착제와의 상호작용을 무시한다는 한계를 가지고 있었다. AtomMOF는 이러한 제약을 완전히 해소한다.

핵심 기술은 변분 흐름 매칭(VFM)이다. VFM은 L1 손실을 최소화하면서 노이즈가 섞인 좌표와 격자 파라미터를 입력받아 깨끗한 목표 데이터를 직접 예측한다. 이를 위해 저자는 좌표와 격자를 하나의 연속 변수 z = (X, ℓ) 로 결합하고, 선형 인터폴레이션 경로 zₜ = (1‑t)z₀ + t z₁ 을 정의한다. 학습 단계에서는 t∈