재료 과학 AI: 파운데이션 모델과 활용 동향
파운데이션 모델(FM)은 재료 과학(MatSci) 분야에서 확장 가능하고 다목적이며 다중 모드 AI 시스템을 구현하여 과학적 발견의 변혁을 주도하고 있습니다. 기존의 좁은 범위의 머신러닝 모델과 달리, FM은 도메인 간 일반화 및 새로운 기능을 제공하여 다양한 데이터 유형과 스케일을 다루는 재료 과학 연구에 특히 적합합니다. 본 조사는 이 성장하는 분야를 지원하는 파운데이션 모델, 에이전트 시스템, 데이터셋 및 계산 도구에 대한 포괄적인 개요를 제공합니다. 데이터 추출, 해석 및 Q&A, 원자 시뮬레이션, 특성 예측, 재료 구조, 설계 및 발견, 공정 계획, 발견 및 최적화, 다중 스케일 모델링의 6가지 광범위한 응용 분야를 포괄하는 작업 중심 분류 체계를 제시합니다. 단일 모드 및 다중 모드 FM의 최신 발전과 새로운 대규모 언어 모델(LLM) 에이전트를 논의합니다. 또한, FM의 개발 및 연구 워크플로우 통합을 촉진하는 표준화된 데이터셋, 오픈 소스 도구 및 자율 실험 플랫폼을 검토합니다. 파운데이션 모델의 초기 성공을 평가하고 일반화 가능성, 해석 가능성, 데이터 불균형, 안전 문제 및 제한된 다중 모드 융합을 포함한 지속적인 한계를 식별합니다. 마지막으로, 확장 가능한 사전 학습, 지속적 학습, 데이터 거버넌스 및 신뢰성을 중심으로 미래 연구 방향을 제시합니다.