SoLiD26: 기계학습 원자간 포텐셜을 위한 제1원리 고체-액체 계면 데이터셋
SoLiD26: A First Principles Solid-Liquid Interface Dataset for Machine-learned Interatomic Potentials
전기화학, 촉매, 부식 등 고급 재료 응용에서 고체-액체 계면을 다루는 기계학습 원자간 포텐셜(MLIP)은 액체 환경, 고체, 그리고 계면 자체를 모두 샘플링하는 학습 데이터가 필요하다. 본 논문은 MLIP 학습 및 평가를 위해 최대 576원자·15종 화학 원소를 갖는 제1원리 원자 구조 1,540만 개를 담은 엄선 고체-액체 계면 데이터셋 SoLiD26을 제시한다. 구조는 고체-액체 계면 연구에서 수행된 밀도 범함수 이론(DFT) 계산을 모아 구성했으며, 대부분의 구성은 ab initio 분자 동역학(AIMD) 시뮬레이션에서 유래한다. 각 레코드에는 원자 종, 좌표, 시뮬레이션 셀, 주기적 경계 조건, 전위 에너지, 원자력이 포함된다. SoLiD26에는 수용액 동전족 금속 계면, 전극-전해질 시스템, 선택된 벌크 기준 구조가 포함되며, VASP에서 PBE functional과 D3 dispersion correction으로 계산했다. 데이터셋 구축에 쓴 데이터 수집·준비 파이프라인을 설명한다. SoLiD26을 MLIP 학습·평가에 적용한 사례는 단순 학습·검증·테스트 분할 위에서 MACE 모델군으로 시연한다. 이 데이터셋은 구조·화학적으로 이질적인 고체-액체 계면용 MLIP 개발과 벤치마킹을 가능하게 한다.