초록 ▼

□ 연구개요
최근에 각광을 받고 있는 머신러닝의 기법을 통계물리학 전산시늉의 기법과 결합시켜 물리학 문제에 적용하려함.
머신러닝 기법을 분자동역학 전산시늉에 적용하여 전산시늉의 속도를 향상시키려함.
분자동역학 전산시늉 계산시 발산하는 현상을 머신러닝 기법을 사용하여 제거하여 계산의 안정성을 확보 하려함.

□ 연구 목표대비 연구결과
시핀다이나믹스 문제의 속도를 향상시키기 위하여 몬테칼로 시뮬레이션을 이용하여 통계물리적으로 빅데이터를 생성하여, 스핀다이나믹스 문제를 푸는데 사용하여 계산시간을 향상시키고

□ 연구개요
최근에 각광을 받고 있는 머신러닝의 기법을 통계물리학 전산시늉의 기법과 결합시켜 물리학 문제에 적용하려함.
머신러닝 기법을 분자동역학 전산시늉에 적용하여 전산시늉의 속도를 향상시키려함.
분자동역학 전산시늉 계산시 발산하는 현상을 머신러닝 기법을 사용하여 제거하여 계산의 안정성을 확보 하려함.

□ 연구 목표대비 연구결과
시핀다이나믹스 문제의 속도를 향상시키기 위하여 몬테칼로 시뮬레이션을 이용하여 통계물리적으로 빅데이터를 생성하여, 스핀다이나믹스 문제를 푸는데 사용하여 계산시간을 향상시키고 시뮬레이션 결과의 안정성을 확보하는 것을 확인하였다.
자동역학 시뮬레이션에서 큰 시간 간격을 주면 입자 간 인위적인 큰 힘의 계산이 발생한다. 시뮬레이션의 안정성을 확보하기 위하여 머신러닝을 사용하여 입자에 작용하는 유효 힘을 학습한다. 분자동역학 시뮬레이션 기법 중 하나인 심플렉틱 적분기법에서 기존의 물리적 모델로부터 힘의 계산을 대체하는 이체 그리고 다체 유효 상호작용을 학습하기 위해서 머신러닝 모델인 뉴럴 네트워크를 설계하였다.
다체 상호작용이 설계된 머신러닝의 모델을 통해 학습되면, 학습된 모델의 검증을 위하여 임의의 열역학 상태인 다양한 온도, 압력, 입자의 수 및 밀도에서 해밀토니안계의 머신러닝을 적용한 가속화된 시뮬레이션을 수행하고 정확하지만 높은 시간 비용이 드는 짧은 시간에서 얻은 동역학 시뮬레이션 결과와 비교 분석하고, 시뮬레이션의 정확성은 그대로 유지하면 연산속도를 향상하는 효율적인 접근방법을 제시한다.

□ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
머신러닝 기반의 분자 동역학 시뮬레이션 결과는 에너지 구조가 극히 복잡하여 컴퓨터 시뮬레이션으로 풀기 힘든 단백질 및 폴리머 연구 등 생명공학, 의광학 등의 다양한 연구로의 파급효과가 클 것으로 예상되는 바이다. 연수 후에도 다체 물체의 복잡한 에너지 풍광(Energy landscape)을 가지고 있는 레너드 존스 퍼텐셜의 분자동역학 시뮬레이션에 다양한 온도 조절기(Thermostat)을 도입하여 실행하고 이러한 모형을 활용하여 단백질-리간드 상호작용, 단백질 안정성 및 단백질-단백질 상호작용 연구로 확장할 수 있는 이론적 기반을 마련하였다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 6
• 1) 정성적 연구개발성과(연구개발결과) ... 6
• 2) 세부 정량적 연구개발성과 ... 7
• 3) 목표 달성 수준 ... 7
• 4) 목표 미달 시 원인 분석 ... 7
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 8
• 5. 연구개발성과의 관리 및 활용 계획 ... 8
• 6. 자체점검표 ... 9
• 7. 참고문헌 ... 10
• [붙임1] 세부 정량적 연구개발성과 ... 11
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 14
• 끝페이지 ... 24