인공지능(AI)의 최근 발전은 새로운 화합물 설계와 그 특성의 정확한 예측에서 전례 없는 능력을 발휘하며 재료 과학에 혁명을 일으키고 있습니다. 이 중 그래프 기반 기계 학습(ML) 알고리즘은 복잡한 원자 상호작용을 포착하고 이를 효과적인 설명자로 활용하는 능력으로 큰 주목을 받고 있습니다. 본 연구에서는 최첨단 생성 AI(Gen AI) 및 ML 기법과 양자역학 계산을 통합하여 알칼리 금속 배터리를 위한 차세대 전해질을 발견했습니다. 그래프 기반 생성기 및 판별기 모델을 포함하는 생성적 적대 신경망(GAN) 프레임워크를 개발하여 새로운 전해질 후보를 생성했습니다. GAN 모델은 GDB-11 데이터베이스의 약 100만 분자 하위 집합에서 훈련되어 30,000개의 독특하며 화학적으로 유효한 분자를 생성했습니다. 동시에, QM9 데이터셋을 활용하여 특성 예측을 위한 메시 패싱 신경망(MPNN) 모델을 훈련했습니다. 학습된 MPNN 모델을 사용하여 새롭게 생성된 분자들의 특성을 예측하고, 음의 표준 생성 엔탈피와 넓은 HOMO-LUMO 갭 기준에 따라 후보를 선별했습니다. 추가적인 선별 및 주요 열역학 및 전기화학적 특성(표준 생성 엔탈피, 산화 잠재력, 환원 잠재력) 평가를 위해 일원자 밀도 범함수 이론(DFT) 계산을 수행했습니다. 최종적으로 뛰어난 전기화학 특성을 가진 26개의 유망 후보를 확보했습니다. 우리의 결과는 AI 기반 접근법이 차세대 에너지 저장 시스템을 위한 기존의 유기 전해질을 대체할 수 있는 고성능, 안정적이며 효율적인 전해질을 발견하는 데 잠재력이 있음을 보여줍니다.
Pritom 등(Fri,)이 이 질문을 연구했습니다.