원자 모델 활용 열전도도 예측

기계 학습 기반의 원자 모델은 재료 화학 분야에서 양자 수준의 정확도로 원자 간 상호작용을 예측하며 계산 비용을 절감합니다. 그러나 이 모델들의 실제 비조화 원자 동역학 및 기술적으로 중요한 물성 예측 능력에 대한 엄격하고 물리적으로 해석 가능한 정량화는 여전히 도전 과제로 남아있습니다. 본 연구는 열전도도 예측의 난제를 해결하기 위해 위그너 열수송 공식과 그뤼나이젠 열팽창 접근법을 활용합니다. 이를 통해 원자 모델의 물리적 이해를 실험적으로 관찰 가능한 열기계적 특성 예측과 연결하며, 제일원리 정확도를 달성하기 위한 표준 및 미세 조정 프로토콜을 제시합니다. 다양한 조성과 구조를 가진 103가지 고체 데이터베이스에 본 프레임워크를 적용한 결과, 기존 열관리 재료 설계 방법론의 주요 한계점인 높은 비용, 제한된 전이성, 또는 물리적 이해 부족을 극복함을 입증했습니다. 이는 열 절연부터 뉴로모픽 컴퓨팅에 이르는 다양한 기술 분야에서 신소재를 발굴할 잠재력을 보여줍니다.