고체 전해질 원자 단위 역설계

이 연구는 고체 전해질의 이온 전도도를 극대화하기 위한 원자 단위 설계의 근본적인 문제에 도전합니다. 대규모 조합 최적화 문제를 해결하기 위해 키네틱 몬테카를로(KMC) 시뮬레이션과 이징 머신 기반의 블랙박스 최적화 알고리즘인 이차 최적화 어닐링을 이용한 인자분해 머신(FMQA)을 결합한 프레임워크를 제안합니다. 제안된 KMC-FMQA 프레임워크는 KMC를 통해 특정 도펀트 배열에 대한 이온 전도도를 평가하고, FMQA는 소규모 구성-전도도 데이터셋으로부터 대리 모델을 반복적으로 학습하여 전도도를 최대화할 것으로 예상되는 배열을 제안합니다. 대규모 KMC 시뮬레이션 셀에서 발생하는 조합 폭발 문제를 해결하기 위해 구성 공간을 분할하여 병렬 최적화를 수행합니다. 개념 증명으로, 이 KMC-FMQA 프레임워크를 8 mol% 이트리아 안정화 지르코니아에 적용하여 무작위 배열보다 한 자릿수 높은 전도도를 가진 도펀트 배열을 성공적으로 식별했습니다. 이 프레임워크는 실험 결과와 결합될 때, 측정된 전도도로부터 미세 구조를 결정하고 근본적인 전송 메커니즘에 대한 통찰력을 제공함으로써 고체 전해질 설계에 혁신적인 기여를 할 것으로 기대됩니다.