고체-액체 계면 기계학습 포텐셜 평가
원자 수준 시뮬레이션은 복잡한 고체-액체 계면의 화학적 통찰을 얻는 데 강력한 도구이나, 제일원리 계산법은 계산 한계로 인해 적용이 어렵습니다. 경험적 힘장(force field)은 대안으로 활용되었지만, 정확도에 제약이 있었습니다. 이에 기계학습 포텐셜(MLP)이 정확도와 계산 비용 간의 균형을 맞추는 강력한 해결책으로 부상했습니다. 현재 MLP의 정확도는 주로 시스템의 에너지 및 힘 오차, 그리고 구조적 특성 관찰을 통해 평가됩니다. 그러나 이러한 지표만으로는 계면의 진정한 통찰을 포착하기에 불충분합니다. 본 연구에서는 고체-액체 계면을 위한 견고한 MLP를 구축하는 워크플로우를 제시하고, 에너지 및 힘 오차를 넘어선 구조적, 동역학적 특성 평가를 통해 MLP의 정확도를 입증했습니다. 체계적인 데이터셋 구축을 통해 견고하고 정확한 MLP 개발, 실패 모드, 그리고 단점 극복을 위한 해결책에 대한 귀중한 통찰을 제공합니다. 이 연구는 고체-액체 계면 시스템을 위한 정확하고 전이 가능하며 견고한 MLP를 구축하는 데 필요한 지침을 제공하고자 합니다.