원자 좌표를 통한 실험 수준 정확도의 범용 자기 구조 예측 기술

요약

본 연구는 원자 결정 구조로부터 공선적 및 비공선적 자기 구조를 모두 예측할 수 있는 E(3) 등변 그래프 신경망인 Magnetic Structure Network(MSN)를 제안합니다. PMSR이라는 새로운 표현 방식을 통해 대칭성 가정 없이 정수적 및 비정수적 구조를 통일된 방식으로 인코딩하며, 실험 수준의 정확도로 자기 구조를 재구성할 수 있습니다.

핵심 포인트

• E(3) 등변 그래프 신경망(Equivariant Graph Neural Network)을 활용한 자기 구조 예측 모델 MSN 개발
• PMSR(Primitive Modulated Structure Representation)을 통한 정수적 및 비정수적 구조의 통합 인코딩 가능
• 기존 제일원리 방법론의 한계인 비공선적 및 비정수적 자기 질서 예측 문제 해결
• 실험적으로 결정된 MAGNDATA를 학습하여 실험 수준의 높은 정확도 달성
• 데이터 기반의 신속한 자기 물질 발견을 위한 확장 가능한 프레임워크 제공