서지주요정보
Inverse design for inorganic solid materials using generative adversarial neural network = 적대 생성 신경망을 이용한 고체 무기재료의 역설계
서명 / 저자 Inverse design for inorganic solid materials using generative adversarial neural network = 적대 생성 신경망을 이용한 고체 무기재료의 역설계 / Sungwon Kim.
저자명 Kim, Sungwon ; 김성원
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8034923

소장위치/청구기호

학술문화관(문화관) 보존서고

MCBE 19043

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

For decades, ab-initio first principle quantum calculation has contributed to discovering new materials, and due to recent drastic advance in computing calculation power high throughput screening that calculates enormous candidate material data and discovers good functional materials among them is available. This material discovery method, however, relies on chemical intuition and experience and also can discover materials only limited in existing database. In this work, we propose the new material design framework using Generative Adversarial Network (GAN) in machine learning that addresses previous material design method. Also, we developed the inorganic solid material representation that is simply invertible and applied to vanadium oxide system with GAN model. We found entirely new polymorphs for vanadium oxide. 23 structures among them are thermodynamically stable and could be considered synthesizable.

제일 원리 양자 계산은 수 십 년간 새로운 소재 개발에 꾸준히 기여를 해왔으며, 최근 급격한 컴퓨팅 계산 속도의 발전으로 거대한 후보 물질 데이터를 빠르게 계산하여 그 중 좋은 기능을 갖는 물질을 탐색하는 고속 대량 스크리닝 기법이 가능해졌다. 하지만 이러한 소재 개발 방식은 화학적 직관과 경험에 의존하는 방식이고, 이러한 방식에서는 갖춰진 데이터 베이스 안의 물질들에 한해서만 소재 발견이 가능했다. 본 학위논문에서는 이러한 소재 개발 방식의 단점을 보완한 기계학습 모 중 하나인 적대적 생성 신경망을 이용하여 새로운 소재 개발 체계를 제안하고자 한다. 더불어, 쉽게 역 변환이 가능한 무기 고체 재료의 구조 표현자인 '점 구름' 기반의 표현자 또한 개발하여 이를 위의 모델과 함께 바나듐옥사이드(V-O) 시스템에 적용했고, 기존의 무기 재료 데이터베이스에 포함되지 않은 완전히 새로운 바나듐옥사이드 다형체를 찾아냈다. 이렇게 찾아낸 바나듐옥사이드 다형체들 중 23개의 구조는 열역학적으로 안정하여 이것들의 합성 가능성을 확인하였다.

서지기타정보

서지기타정보
청구기호 {MCBE 19043
형태사항 iii, 20 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 김성원
지도교수의 영문표기 : You Sung Jung
지도교수의 한글표기 : 정유성
학위논문 학위논문(석사) - 한국과학기술원 : 생명화학공학과,
서지주기 References : p. 17-18
주제 inorganic material
DFT
machine learning
generative model
point cloud
무기 재료
DFT 계산
기계학습
생성 모델
점 구름
QR CODE qr code