Flow Matching 기반 촉매·MOF 구조 예측

Flow Matching for Catalyst and MOF-adsorbate Structure Prediction

연구 내용

원자/표면 상호작용을 반영하는 factorized 표현으로 slab-adsorbate 및 MOF-adsorbate의 3D 평형 구조를 생성·예측하는 flow matching 연구

이종 촉매와 다공성 소재에서 목표 중간체에 맞춘 구조 탐색은 표면 기하와 흡착물 상호작용의 결합을 동시에 다루는 것이 필요합니다. 본 연구는 flow matching 기반 생성 모델을 사용하여 원시/인자화된 표현을 구성하고, 학습 변수를 줄이면서도 표면-흡착 계면의 orientation을 명시적으로 인코딩합니다. 또한 MOF의 경우 결합 길이·각도 제약을 강제하지 않는 all-atom 생성 경로를 설계하고, scaling law와 Feynman-Kac steering을 통해 샘플링 안정성과 기하 유효성을 함께 개선합니다. 그 결과 촉매 및 흡착 구조의 구조적 일치도와 물리적으로 타당한 에너지 분포 회복을 목표로 합니다.

관련 프로젝트

1건

연구 흐름

초기에는 표면 기하와 흡착물 결합을 학습에서 누락시키지 않기 위해 factorized 표현과 orientation 인코딩을 도입하는 방향으로 flow matching 프레임워크를 정리했습니다. 이후 heterogeneous catalyst의 경우 생성 모델이 실제 구조 충실도를 유지하도록 평가 지표에 맞춘 비교 학습과 샘플링 설계를 수행했습니다. 최근에는 MOF로 확장하여 all-atom Diffusion Transformer 기반 매핑을 구성하고, 모델 스케일과 성능 간의 예측 가능한 증가 관계를 함께 제시하는 연구로 심화되었습니다. 더 나아가 Feynman-Kac steering으로 기하 타당성과 샘플링 안정성을 보강하는 흐름을 이어가고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

촉매 구조 생성
흡착물 배치 예측
계면 orientation 인코딩
다공성 결정 생성
All-atom 3D 구조 예측
기하 유효성 개선
샘플링 안정화
다양성 있는 후보 생성
물리 타당성 검증 파이프라인
구조-에너지 분포 동시 추정