AI-기반 양자물성 계산가속화 연구센터
목차 (Quick Links)
AI-기반 양자물성 계산가속화 연구센터
Center for AI-Based Acceleration of Quantum Materials Computation
| 항목 | 내용 |
|---|---|
| 국문 명칭 | AI-기반 양자물성 계산가속화 연구센터 |
| 영문 명칭 | Center for AI-Based Acceleration of Quantum Materials Computation |
| 소속 | 공학연구소 UNIST |
| 책임자 소속 | 자연과학대학 물리학과 |
| 전문분야 | Computational Physics & Electronic Structure |
| 책임자 성명 | 박노정 |
| 직급 | 교수 |
| 실무 담당자 | 신석훈 |
| 담당자 소속 | 슈퍼컴퓨팅센터 |
| 연락처 |
052-217-4202 |
| 참여 인원 | 교원 8명, 연구원 1명 |
참여 교수 및 연구원 인적사항
Researchers & Faculty Members
| 구분 | 성명 | 직급(직위) | 소속 대학 | 소속 학과 | 연구 분야 | 역할 |
|---|---|---|---|---|---|---|
| 1 | 박노정 | 교수 | 유니스트 | 물리학과 | Computational Physics & Electronic Structure | 책임자 |
| 2 | 민승규 | 교수 | 유니스트 | 화학과 | 양자화학계산, 기계학습, 양자동역학 | 공동연구 |
| 3 | 이근식 | 교수 | 유니스트 | 화학과 | Computational Research on Electronic Structure and Transport in Condensed Materials | 공동연구 |
| 4 | 이준희 | 교수 | 유니스트 | 반도체 소재ㆍ부품 대학원 | 반도체 소자, (DFT) 전산모사, 신경망 컴퓨팅용 다강체·강유전체 소재 개발 | 공동연구 |
| 5 | 신승재 | 교수 | 유니스트 | 에너지화학공학과 | Theoretical Energy Materials Modelling for Engineering & Science | 공동연구 |
| 6 | 이동화 | 교수 | 포스텍 | 신소재공학과 | Computational Nano-Materials Design | 공동연구 |
| 7 | 김병조 | 교수 | 유니스트 | 반도체 소재ㆍ부품 대학원 | Virtual Materials and Processes Design | 공동연구 |
| 8 | 백충기 | 교수 | 유니스트 | 에너지화학공학과 | 다중스케일 비평형 전산모사, 고분자 유변학, 비평형 MD/MC 시뮬레이션 | 공동연구 |
| 9 | 신석훈 | 행정원 | 유니스트 | 슈퍼컴퓨팅센터 | HPC, AI, Storage, IB Network | 연구보조 |
사업(연구)계획서
Research & Operations Plan
센터 운영 목표
- GPU기반 AI ML 계산법의 고수준 양자물성 적용을 위한 기반기술개발·연구교류·인력양성
- 미래 반도체 소재/소자/공정 적용을 위한 고수준 양자물성 기반 방법론 연구
- AI GPU 슈퍼컴 인프라 효율 활용을 위한 국내 기반 프로그램 패키지·이론 개발
- 국내외 슈퍼컴 자원 연계, 원자단위→패턴 스케일까지 연결하는 scale-bridging framework 구축
- 산업 현장 적용 가능한 디지털 트윈 수준 공정 가상화 이론 및 툴셋 개발
- AI·ML 원자 포텐셜 기반 들뜸상태 반응예측기 개발
- 에너지 저장·촉매·전기화학 시스템 적용을 위한 고수준 양자물성 기반 방법론 연구
센터 사업 및 연구분야
- 초대형 구조 MD 적용을 위한 AI ML·GPU 계산법 개발 및 기술 교류
- 전자구조 들뜸상태 기계학습 계산방법 개발 및 인력양성·기술교류
- Ehrenfest Dynamics 기반 AI ML 계산방법 이론 개발 및 국내 프로그램 패키지 구현
- 전기화학 계면 모델링의 ML 고도화로 정확도·속도 향상
- 전기화학 촉매·배터리 등 응용 분야 연구 수행
추진 전략 & 운영 방향
- 연도별 연구수행 계획 수립
- 연구조직 구성 및 인력 운영 계획
- 대학원–센터 연계 융합 교육과정 설계(물리/재료/AI/계산과학)
- 월간 화상회의·분기 워크숍으로 기술 내재화 및 공동연구 촉진
학술적 기여도
- AI-MD 초거대 구조 방법론 확산의 매개체
- 들뜬 전자구조 AI/ML 계산 이론·패키지의 국내 공동개발/교류
- Ehrenfest Dynamics의 AI/ML 기초이론 탐색 및 국내 원천이론·프로그램 완성
- GPU 시뮬 고도화·오픈소스화로 계산 접근성 제고·이론 확산 거점 역할
- 전기화학 계면 ML 모델링의 촉매/배터리 분야 학술·사회적 기여
운영비 & 공간 확보
▶ 연도별 연구비 수주 전략(향후 3년)
- AI-혁신 허브 (3년=1+2년) · 과기정통부
- 양자 정보 및 컴퓨팅 기술 (3년) · 과기정통부
- 나노·소재 원천기술 개발 · 과기정통부
- 산업기술 알키미스트 · 산업통상자원부
▶ 연도별 공간 확보 계획
- 전산(GPU/CPU) 장비 운영 공간: UNIST 슈퍼컴퓨팅센터 기반 시설 활용(전산실 확보)
- 연구원 채용 시 운영실 내 약 20평(책상 4개) 확보 예정
연차별 사업 내용
▶ 1차년도 — 세부사업목표
- 광화학 반응 예측 ML 원자 포텐셜 프레임워크 개발
- AI 기반 밀도범함수론(DFT)·ML-OF-DFT 개발 및 대용량 물성·전자구조 계산
- GPU only/Intensive TDDFT·Ehrenfest dynamics 코드 개발로 반도체 공정 계산
▶ 1차년도 — 세부사업 개발내용
- 다수 전자 상태 에너지 학습 가능한 멀티모달 ML 모델로 광화학 반응공정 예측
- DFT 이론 기반 원자구조→밀도함수 데이터 구축 & 예측 프로그램 개발
- 대각화 불필요 ML-OF-DFT 프레임워크로 대규모 전자구조 예측
- 실시간 TDDFT GPU 가속으로 수십 nm 반도체 구조 시뮬레이션
- 예측 밀도함수로부터 원자/전자구조 계산 수행(ML-Orbital-Free DFT)
▶ 2차년도 — 세부사업목표
- 들뜬 상태 나노반응기 플랫폼 구현(광화학 반응 예측)
- AI-기반 ML-DFT의 들뜬 상태/TDDFT 확장으로 대규모 물성 계산 프레임워크 구축
- Current-density·current-magnetization DFT 등 다양한 물성 분포 ML 시도
▶ 2차년도 — 세부사업 개발내용
- 멀티모달 ML 원자 포텐셜로 들뜬 상태 분자동역학 수행(양자 효율/반응 경로/IC/ISC 예측)
- ML-OF-DFT를 시간의존 외부장 상호작용 예측까지 확장(섭동이론 기반 반응함수 학습)
- 원자구조→전자밀도·전류밀도·자기성 매핑 ML-DFT 개발로 전자소자 적용 적합 계산법 완성
- 빛·전압 노출 표면의 대용량 계산과 공정·약품 개발의 양자역학적 접근 수행
※ “참여 교수 및 연구원 인적사항”은 상단 표에 수록되었습니다.