대규모 언어 모델을 활용한 원자 중심 구조 기술자의 한계 탐색
Using large language models to probe the limits of atom-centered structural descriptors
원자 구조를 간결한 기하학적 기술자(geometric descriptor) 집합으로 매핑하는 것은 원자 스케일 모델링에 머신러닝을 적용하는 모든 분야에서 필수적인 단계입니다. 강력하고 널리 사용되는 접근법은 쌍 거리(pair distance), 삼각형 등의 히스토그램을 이산화하는 것으로 이해될 수 있으며, 이는 대칭 불변 원자 중심 기술자의 계층 구조로 이어집니다. 안타깝게도 이 계층의 하위 단계(2, 3, 4이웃 클러스터)는 불완전하여 대칭적으로 무관한 구조 쌍이 완전히 동일한 기술자를 갖는 것으로 밝혀졌습니다. 그러나 지금까지 보고된 모든 '축퇴(degeneracy)'는 기술자를 구축할 때 더 큰 이웃 클러스터를 고려함으로써 해결되었습니다. 본 연구에서는 대규모 언어 모델(LLM)의 도움을 받아, 최대 7개의 이웃 클러스터를 고려하더라도 구별할 수 없으며 기술자의 실용적인 이산화 수준을 고려할 때는 임의의 차수까지도 구별할 수 없는 3차원 구조의 예시들을 보고합니다. 이러한 구조 구축의 핵심 요소는 서로 다른 연구 커뮤니티에서 수십 년 동안 알려져 온 결과로 거슬러 올라갈 수 있습니다. 모델은 관련 문헌을 찾아내고 현재 다루는 문제에 대한 그 중요성을 인식할 수 있었습니다. 우리는 이 실험이 과학 분야에서 AI의 매우 유용한 활용 패턴을 보여준다고 믿습니다. 즉, 서로 다른 커뮤니티와 응용 도메인 간의 결과를 연결하여 한 분야에서의 뜻밖의 발견이 다른 분야의 혁신으로 이어지는 과정을 가속화하는 것입니다.