가속화된 머신러닝을 이용한 전이금속 합금의 구조적 상 예측

Abstract

전이금속 (transition metal)의 결정 구조를 예측할 수 있는 특색(feature)를 탐색하기 위하여 밀도 범 함수 이론 (Density functional theory, DFT)을 사용하여 d 오비탈 전자 수(d electron occupancy, nd) – 스핀 모멘트(Spin moment, σd)라는 특색이 순수한 전이금속의 구조를 예측할 수 있는 특색임을 확인하였습니다. 이 특색을 기반으로 고엔트로피 합금 (High entropy alloy)과 같은 복잡한 조성의 합금의 안정한 구조를 예측할 수 있는 특색들을 추가하였습니다. 비현실적인 비용이 소요되는 고엔트로피 합금의 훈련 데이터 (training set) 대신 이원소합금의 데이터를 기반으로 고엔트로피 합금의 안정한 구조를 예측함으로써 기존의 머신러닝 (machine learning) 방법보다 100배 이상 적은 비용으로 수행할 수 있는 새로운 머신러닝 방법론을 제안하였습니다. 이를 위해 본 논문은 다음과 같이 두 가지 내용으로 구성하였습니다. 첫 번째로 d 오비탈 전자 수 – 스핀 모멘트 특색의 변화를 통해 모든 순수한 전이금속의 상이 어떻게 변하는 지 예측하였고 같은 전이금속 안에서 해당 특색의 변화를 통하여 상 전이가 일어나는 것을 확인하였습니다. 두 번째로 특색 변환 (Feature transformation)이라는 방법을 통하여 복잡한 합금의 d 오비탈 전자 수와 스핀 모멘트를 해당 조성의 원소로부터 예측할 수 있는 알고리즘을 구축한 후 이원소 합금의 데이터로 훈련 시킨 알고리즘을 이용하여 고엔트로피 합금과 같은 복잡한 전이금속의 결정 구조를 효과적으로 예측하였습니다.

This thesis consists of two parts: As investigation of feature for structural phase prediction of transition metal alloy, features are used to predict structural phase of pure transition metal. Then we predicted structural phase of complex alloy such as high entropy alloy (HEA) based on accelerated machine learning.