머신러닝 관련 소재 개발 1: 2차전지 반도체 관련 소재

반도체 소재 적용

 

반도체관련 소재의 대표적 물성 예측 / 최적화

Accelerated Discovery of Novel Inorganic Materials with Desired Properties Using Active Learning

J. Phys. Chem. C 2020, 124, 14759-14767

 

Abstract 기존 데이터베이스에 머신러닝 알고리즘을 이용하여 예측모델을 구축하는 것은 원칙적으로 발견되지 않은 구조의 검색 한도를 전체 재료 공간(space)으로 확대한다. 그러나 머신러닝 예측의 불확실성 때문에 제안된 특성(property)가 항상 확실하지는 않기 때문에 데이터베이스 품질 향상은 예측 정확도 향상과 유효성 확인을 위해 필수적이다. 이를 위해 본 논문에서는 제한된 수의 데이터베이스로부터 시작하여 시행착오를 최소화하면서 목표 특성(bandgap 및 굴절률)을 만족하는 자료를 찾기 위한 능동적인 train 프로세스를 구현한다. 회귀 모델(Regression model)은 초기에는 전체 검색 공간의 약 2%만으로 train되며, Optimization을 통해 제안된 20개의 새로운 데이터베이스가 각 최적화 프로세스에서 추가된다. exploration, exploitation, random selection, 그리고 Bayesian 최적화 방법 중 Bayesian 방법은, 한정된 시행 내에서 기준을 만족하는 재료의 수를 찾는 데 최고의 성능을 보인다 Implications 본 논문을 통해 제한된 DB 의 양으로도 효과적으로 Target 물질을 찾아내었다. 3 가지 최적화 방법론 비교하였을 때 Bayesian 방법이 가장 효과적이라는 것을 알아냈다. 전체 Chemical/Materials space 를 알고 있다고 해도 모두 다 계산 실험으로 DB 추가는 불가능하다. Machine learning 과 Optimization 을 융합을 통해 최소한의 DB 만으로도 그 효과를 극대화 할 수 있다.

 

2D 물질의 안정성 예측

Exploring Two-Dimensional Materials Thermodynamic Stability via Machine Learning

ACS Appl. Mater. Interfaces 2020, 12, 20149−20157

 

 

Abstract 2차원(2D) 소재에 대한 관심과 연구가 증가하고 있지만, 아직 현실에서 다양한 소재 적용까지 이어지지는 않고 있다. graphene(그래핀)과 Transition metal dichalcogenide (TMD or TMDC)를 넘어 여러 용도에 적용하려면 우리가 원하는 성질을 가진 적합한 후보가 제시되어야 한다. 이 논문에서 우리는 머신러닝 기법을 사용하여 열역학적으로 안정적인 2D 소재를 파악하데, 이는 모든 적용(application)에 있어 가장 중요한 요건이다. energy above the convex hull과  formation energy에 따라서, 재료를 low/medium/high 안정성으로 분류한다.  제안된 접근방식은 원자 위치에 대한 정보 (atomic position) 없이 구성 특성(composition properties)과 구조적 대칭성(structural symmetry)만을 사용하여 유망한 후보군들에 대한 추가적인 상세 조사를 위한 새로운 2D 화합물의 안정성 평가를 가능하게 한다.  우리는 DFT 계산으로 이 재료들 중 5가지에 대한 분류를 입증하면서 1,000개 이상의 새로운 화합물을 생성하는 모델의 유용성을 입증한다. 안정 재료의 적용 가능성을 설명하기 위해 광전자 촉매 물 분할에 적합한 전자 재료의 선별을 수행한다. 아직 적용된 바 없는 Sn2SeTe 및 PbTe 후보군 물질(우리 모델이 생성해낸 물질)을 사용하여 후보군 물질들을 식별해낸다.   Implications 2D 물질 Screening 방법론을 제안하였다. 새로운 Feature 개발을 Feature 간 operation 을 통해 도출했으며, Classification, Regression 모델의 혼합적용을 통해 물질 스크리닝 정확도 사용 범위를 확장했다. 더불어새롭게 찾은 물질의 활용 가능성을 탐색하고 검증하였다.