오토팟: 머신러닝 포텐셜 자동화 및 병렬화

머신러닝 포텐셜(MLIP)은 양자 역학 수준의 정확도를 원자 모델링에 구현하여 계산 물리학 분야에 혁신을 가져왔습니다. 그러나 MLIP가 양자 수준의 정확도를 달성하려면 훈련 세트의 원자 환경이 시뮬레이션 중 마주치는 환경과 매우 유사해야 합니다. 모든 응용 분야에 적합한 단일 훈련 세트를 구축하는 것은 현재로서는 불가능하며, 이는 MLIP 훈련 프로토콜에 능동 학습이나 미세 조정과 같은 추가 학습 방법을 보완하는 복잡한 전략으로 이어집니다. 이러한 복잡한 프로토콜은 효율적인 구현이 어렵고, 해석, 분석, 재현에 많은 어려움이 따릅니다. 이러한 문제들을 해결하기 위해, 본 연구에서는 MLIP 구축 및 아카이빙을 자동화하는 소프트웨어인 AutoPot을 제안합니다. AutoPot은 매개변수 작업을 고도로 병렬화하여 실행하는 BlackDynamite 소프트웨어와 작업 간 상호작용을 조율하는 이벤트 기반 워크플로우 관리자인 Motoko를 기반으로 합니다. 초기 버전의 AutoPot은 MLIP-2에 구현된 모멘트 텐서 포텐셜(Moment Tensor Potentials)을 사용하여 대규모 훈련 후보 세트에서 훈련 구성을 선택하고, 분자 동역학 시뮬레이션에서 실시간으로 선택하는 기능을 지원하며, VASP를 이용한 선택된 훈련 구성의 단일점 계산을 수행합니다. AutoPot의 또 다른 강점은 유연성입니다. BlackDynamite 작업과 오케스트레이터는 Python 함수로 구성되어 있어, 복잡한 파서를 작성할 필요 없이 기존 코드를 쉽게 추가하고 조작할 수 있습니다. 따라서 다른 MLIP 및 ab initio 코드를 추가하고 Motoko 오케스트레이터를 조작하여 다양한 훈련 프로토콜을 구현하는 것이 매우 용이합니다. 이 소프트웨어는 MLIP 개발의 효율성을 크게 향상시키고 연구 재현성을 높이는 데 기여할 것입니다.