| 초록 |
□연구개요 물리, 화학, 생물 분야에서 실제 물질 혹은 세포의 정확한 상태와 거동을 이해하기 위해서는 결국 양자역학의 도움을 필요로 한다. 문제는 물질의 양자 상태를 기술하는 파동함수의 계산 복잡도가 입자의 개수에 따라 지수적으로 증가하여 현재의 컴퓨팅 시스템으로는 거시적 물체를 기술하는 것은 사실 불가능에 가깝다는 데에 있다. 그러나 최근 기계학습이 기술적 혁신을 이루어 기초 과학 기술 분야에도 점차 적용되려 하고 있고, 실험/시늉내기로 축적한 데이터를 이용, 파동함수의 도움 없이 거시적 물체의 양자역학적 성질을 예측하려는 시도가 활발해지고 있다. 이러한 트렌드에 발맞춰 첨단 해외 연구 동향을 살피고, 기계학습을 적용할 수 있는 양자 다체계 문제를 발굴, 해결하여 그 결과를 오픈 소스 코드 형태로 공개함으로써 우리나라 관련 학계 및 산업계에 기여하는 것을 목표로 한다. □연구 목표대비 연구결과 본 연구는 기초과학 분야에서 기계학습 관련 국내 연구자가 많지 않던 때 시작한 초기 개척 연구로, 당시 해외 첨단 연구 내용을 빠른 시간에 습득, 소스 코드를 개발하고 학계에 공개하였다. 이후 기계학습을 적용, 데이터 주도(data-driven) 양자 계산이 가능한 새로운 다체계 문제를 발굴하기 위해 노력하였고, 그 결과 물리학뿐만 아니라 화학, 생물학 분야에서도 중요성이 높은, 유기 분자 결합 에너지 예측 모델을 개발하였다. 이 과정에서 해외 밀도함수이론 전공자를 국내에 유치, 공동 연구를 수행하였고, 그 과정에서 개발한 베이지안 기계학습 코드 또한 관련 학계 및 산업계 연구자들이 자유롭게 사용할 수 있도록 공개하였으며 해당 연구결과는 현재 논문 작성 중에 있다. 또한 양자정보/양자광학 분야 국내 연구자와 공동 연구를 통해 해당 분야에서는 적용되지 않았던 새로운 접근 방식과 문제를 찾고, 그 해결을 위한 기계 학습 모델을 수립하고 개발하였다. 그 과정에서 향후 기계학습 모델을 적용할 양자 광학 시스템의 노이즈 문제에 대한 파일럿 논문을 출판하였으며, 곧 기계학습 적용 논문도 출판 계획 중에 있다. 또한 양자 터널링 현상을 이용, 기계학습을 위한 새로운 최적화 알고리듬 개발을 위한 기초 연구도 해외 연구자들과 진행 중이고 곧 출판될 예정이다. 종합적으로, 연구 계획서에서 목표한 대로, 개발한 기계학습 코드를 오픈 소스 형태로 배포하여 학계에 기여하였으며, 기존에 없던 새로운 문제를 찾고 그것을 해결하기 위한 알고리듬을 개발하는 등 목표한 바 연구를 충실히 수행하였다. □연구개발결과의 중요성 기계학습을 이용한 데이터 주도(data-driven) 양자 계산 방법론은 아직 완성된 이론이 아니며 계속 발전 중인 기술이다. 향후 분자 결합 에너지 예측 기계학습 모델이 더욱 향상되어 제일원리 양자 계산 수준의 높은 정확도를 가지면서 훨씬 빠른 속도로 해당 물리량들을 계산할 수 있다면, 현재로서는 상상하기 어려운 속도로 신물질 및 신약 개발이 가능하게 되어 또 다른 산업 혁신을 이루게 될 것이다. 한편 국내적으로는 해당 연구 주제가 물리학, 화학, 생물 분야의 학제간 공동 연구를 활성화시키고 시너지를 일으켜 새로운 연구 흐름을 창출할 것이며, 그에 따라 교육 분야에도 큰 변화를 불러일으키게 될 것이다. 결론적으로 본 연구는 양자 다체계 분야에서의 기계학습 적용에 대한 국내 초창기 연구로 해당 커뮤니티 연구자들의 관심을 이끌어내었고, 관련 학계 및 산업계에 그 파급효과가 상당한 만큼 계속적인 관심과 후속 투자/지원이 필요할 것으로 사료된다. (출처 : 요약문 2p) |
