[논문 리뷰] Artificial Intelligence and Advanced Materials

Cefe López|arXiv (Cornell University)|2022. 09. 23.

Machine Learning in Materials Science인용 수 10

한 줄 요약

이 리뷰는 인공지능, 특히 기계학습이 고급 재료의 발견과 설계를 가속화하는 데서 수행하는 전환적 역할을 탐구한다. 데이터 기반 기법을 활용해 암묵적 지식과 물리 법칙을 밝혀내면서, AI는 특정 기능을 위해 맞춤형으로 설계된 새로운 재료와 시스템의 창출을 가능하게 하며, 적용 찾기 중심에서 기능 중심 재료 개념으로의 패러다임 전환을 이룬다.

ABSTRACT

Artificial intelligence is gaining strength and materials science can both contribute to and profit from it. In a simultaneous progress race, new materials, systems and processes can be devised and optimized thanks to machine learning techniques and such progress can be turned into in-novative computing platforms. Future materials scientists will profit from understanding how machine learning can boost the conception of advanced materials. This review covers aspects of computation from the fundamentals to directions taken and repercussions produced by compu-tation to account for the origins, procedures and applications of artificial intelligence. Machine learning and its methods are reviewed to provide basic knowledge on its implementation and its potential. The materials and systems used to implement artificial intelligence with electric charges are finding serious competition from other information carrying and processing agents. The impact these techniques are having on the inception of new advanced materials is so deep that a new paradigm is developing where implicit knowledge is being mined to conceive materi-als and systems for functions instead of finding applications to found materials. How far this trend can be carried is hard to fathom as exemplified by the power to discover unheard of mate-rials or physical laws buried in data.

연구 동기 및 목표

• 기계학습 기법이 고급 재료의 발견과 최적화를 어떻게 가속화할 수 있는지 검토하기.
• 기존 응용 분야를 위한 재료를 발견하는 데서부터 암묵적 데이터 기반 지식을 활용해 특정 기능을 위해 재료를 설계하는 데로의 전환을 분석하기.
• AI가 신규 재료 기반의 차세대 컴퓨팅 플랫폼 개발에 미치는 영향을 탐구하기.
• 미래 연구자를 위한 기계학습을 재료 과학에 구현하는 데 필요한 기초 지식을 제공하기.
• AI가 복잡한 데이터셋에서 알려지지 않은 재료 또는 물리 법칙을 드러내는 데서 나타나는 새로운 추세를 강조하기.

제안 방법

• 기계학습의 기본 원리와 재료 과학에서의 구현 방식을 검토하기.
• AI 기법이 대규모 데이터셋에서 암묵적 지식을 추출해 재료 설계를 이끌어내는 방식을 분석하기.
• AI 구현을 위한 전기적 입자를 이용한 재료와 시스템을 조사하며, 새로운 대안들 또한 포함하기.
• 재료 발견 파이프라인에 AI를 통합해 재료 성질을 최적화하는 방식을 검토하기.
• 기존 가정 없이 데이터 기반 모델을 활용해 새로운 재료와 물리적 행동을 예측하는 방식을 설명하기.
• AI가 재료 개발 수명 주기—개념화에서 응용까지—를 어떻게 재정의하는지 평가하기.

실험 결과

연구 질문

• RQ1 기계학습 기법은 어떻게 고급 재료의 발견을 효과적으로 가속화할 수 있는가?
• RQ2 데이터에서 암묵적 지식을 추출하기 위해 AI를 사용할 경우 재료 설계에 어떤 영향을 미치는가?
• RQ3 AI는 어떻게 적용 중심에서 기능 중심으로의 재료 개발 패러다임 전환을 가능하게 하는가?
• RQ4 데이터 기반 AI 모델은 어떻게 알려지지 않은 재료 또는 물리 법칙의 발견에 기여하는가?
• RQ5 차세대 컴퓨팅 플랫폼을 위한 재료 과학과 AI 통합에서의 주요 과제와 기회는 무엇인가?

주요 결과

• 기계학습은 전통적 방법으로는 명백하지 않은 복잡한 데이터셋 내의 패턴과 관계를 식별함으로써 새로운 재료의 발견을 가능하게 한다.
• 재료가 먼저 발견된 후 응용되는 방식에서부터 암묵적 지식을 추출한 바탕으로 특정 기능을 위해 재료를 개념화하는 패러다임 전환이 진행 중이다.
• AI 기법은 대규모 실험 또는 시뮬레이션 데이터 내에 묻혀 있는 알려지지 않은 물리 법칙이나 재료 행동을 드러내는 데 능하다.
• 전기적 운반체를 기반으로 한 재료는 새로운 정보 처리 매체의 도입으로 도전받고 있으며, 이는 AI 하드웨어 개발의 새로운 영역을 시사한다.
• AI의 재료 과학 통합은 연구 워크플로우를 변형시켜 더 빠르고 효율적이며 더 정밀한 재료 설계를 가능하게 한다.
• 이 리뷰는 향후 재료 과학자들이 AI를 단순한 도구가 아니라 재료 발견과 시스템 설계의 혁신을 이끄는 핵심 요소로 활용할 수 있도록 기초를 마련한다.