Preferred Networks(PFN) 연구팀이 고분자의 중합이나 경화 반응을 효율적으로 다루기 위한 새로운 분자 동역학(MD) 시뮬레이션 프레임워크인 'pfpoly'를 발표했다. 폴리머 재료 개발에서는 최종적인 분자 구조가 물성을 결정짓는 핵심 요소로 작용하지만, 원자 수준에서 반응 과정을 추적하는 일은 막대한 계산 비용 탓에 그동안 매우 까다로운 과제로 여겨져 왔다.

pfpoly는 범용 기계학습 포텐셜인 'uMLIP'과 반응을 의도적으로 촉진하는 새로운 가속 기법인 'Time-Dependent Bond Boost(TDBB)'를 결합한 것이 특징이다. 이를 통해 과거에 방대한 계산 시간이 소요되던 반응 시뮬레이션을 누구나 손쉽게 실행할 수 있는 수준으로 끌어올린 점이 혁신적이다. 기존 방식은 특정 반응에 맞춰 물리 파라미터를 세밀하게 조정해야 했으나, PFP와 같은 범용 모델을 활용함으로써 시스템별 설정을 최소화하며 효율성을 극대화했다.

특히 새롭게 제안된 TDBB는 반응이 일어나지 않을 때 시간에 따라 자동으로 바이어스를 강화하는 메커니즘을 채택했다. 그 결과 사용자가 사전에 활성화 에너지를 추정하지 않고도 복잡한 반응을 효율적으로 유도할 수 있게 됐다. 실제로 라디칼 중합의 반응 속도 재현이나 산화구리(CuO) 계면에서의 에폭시 경화와 같은 실용적인 작업에서 유의미한 성과를 거두었으며, 유기물과 무기물이 혼재하는 계면 부근의 공유 결합 형성 과정을 포착하는 데 성공했다.

비록 물리적 정확성을 일부 희생하고 상대적인 경향 파악에 특화했다는 제약은 존재하지만, 재료 개발 현장에서 즉시 시뮬레이션을 가동해 메커니즘을 가시화하는 환경을 구축했다는 점에서 가치가 크다. pfpoly는 AI와 물리 시뮬레이션을 융합하여 고도의 전문 지식 없이도 재료 설계의 힌트를 얻을 수 있는 'Ready-to-Use' 환경 실현을 목표로 하고 있다.

Preferred Networks(PFN) 연구팀이 고분자의 중합이나 경화 반응을 효율적으로 다루기 위한 새로운 분자 동역학(MD) 시뮬레이션 프레임워크인 'pfpoly'를 발표했다. 폴리머 재료 개발에서는 최종적인 분자 구조가 물성을 결정짓는 핵심 요소로 작용하지만, 원자 수준에서 반응 과정을 추적하는 일은 막대한 계산 비용 탓에 그동안 매우 까다로운 과제로 여겨져 왔다.

pfpoly는 범용 기계학습 포텐셜인 'uMLIP'과 반응을 의도적으로 촉진하는 새로운 가속 기법인 'Time-Dependent Bond Boost(TDBB)'를 결합한 것이 특징이다. 이를 통해 과거에 방대한 계산 시간이 소요되던 반응 시뮬레이션을 누구나 손쉽게 실행할 수 있는 수준으로 끌어올린 점이 혁신적이다. 기존 방식은 특정 반응에 맞춰 물리 파라미터를 세밀하게 조정해야 했으나, PFP와 같은 범용 모델을 활용함으로써 시스템별 설정을 최소화하며 효율성을 극대화했다.

특히 새롭게 제안된 TDBB는 반응이 일어나지 않을 때 시간에 따라 자동으로 바이어스를 강화하는 메커니즘을 채택했다. 그 결과 사용자가 사전에 활성화 에너지를 추정하지 않고도 복잡한 반응을 효율적으로 유도할 수 있게 됐다. 실제로 라디칼 중합의 반응 속도 재현이나 산화구리(CuO) 계면에서의 에폭시 경화와 같은 실용적인 작업에서 유의미한 성과를 거두었으며, 유기물과 무기물이 혼재하는 계면 부근의 공유 결합 형성 과정을 포착하는 데 성공했다.

비록 물리적 정확성을 일부 희생하고 상대적인 경향 파악에 특화했다는 제약은 존재하지만, 재료 개발 현장에서 즉시 시뮬레이션을 가동해 메커니즘을 가시화하는 환경을 구축했다는 점에서 가치가 크다. pfpoly는 AI와 물리 시뮬레이션을 융합하여 고도의 전문 지식 없이도 재료 설계의 힌트를 얻을 수 있는 'Ready-to-Use' 환경 실현을 목표로 하고 있다.