머신러닝을 활용한 물의 길 이해

Nov 20, 2023

아래 양식을 작성하시면 "기계 학습을 활용한 물의 흐름 이해" PDF 버전을 이메일로 보내드립니다.

모든 오디오 기사에 대한 액세스를 잠금 해제하려면 아래 양식을 작성하세요.

물은 수십 년 동안 과학자들을 당황하게 했습니다. 지난 30여년 동안 그들은 -100C와 같은 매우 낮은 온도로 냉각되면 물이 밀도가 다른 두 개의 액체상으로 분리될 수 있다는 이론을 세웠습니다. 기름과 물처럼 이러한 상들은 섞이지 않으며 식으면서 밀도가 낮아지는 것과 같은 물의 다른 이상한 행동을 설명하는 데 도움이 될 수 있습니다.

하지만 실험실에서 이 현상을 연구하는 것은 거의 불가능합니다. 왜냐하면 물은 그렇게 낮은 온도에서 너무 빨리 얼음으로 결정화되기 때문입니다. 이제 Georgia Institute of Technology의 새로운 연구에서는 기계 학습 모델을 사용하여 물의 위상 변화를 더 잘 이해함으로써 다양한 물질에 대한 더 나은 이론적 이해를 위한 더 많은 길을 열었습니다. 이 기술을 통해 연구원들은 물을 사용하여 작동하는 실제 시스템에 적용할 수 있는 물의 액체-액체 전이를 뒷받침하는 강력한 계산 증거를 발견했습니다.

조지아 공과대학 화학 및 생체분자공학부 조교수인 토마스 가트너(Thomas Gartner)는 “우리는 물의 실제 물리학 및 물리화학에 최대한 근접하려고 노력하는 매우 상세한 양자 화학 계산을 통해 이를 수행하고 있습니다.”라고 말했습니다. "이 정도의 정확도로 이러한 전환을 연구할 수 있었던 것은 이번이 처음입니다."

이 연구는 프린스턴 대학의 공동 저자와 함께 Physical Review Letters 저널에 "액체-액체 전이에서 물의 첫 번째 원리"라는 제목의 논문으로 발표되었습니다.

물이 어떻게 상호 작용하는지 더 잘 이해하기 위해 연구원들은 슈퍼컴퓨터에서 분자 시뮬레이션을 실행했는데, Gartner는 이를 가상 현미경과 비교했습니다.

"무한히 강력한 현미경이 있다면 개별 분자 수준까지 확대하여 실시간으로 분자가 움직이고 상호 작용하는 것을 볼 수 있습니다."라고 그는 말했습니다. "이것은 거의 컴퓨터 영화를 만들어서 우리가 하고 있는 일입니다."

연구진은 고밀도 액체와 저밀도 액체 사이의 상 분리를 모방하여 다양한 수온과 압력에서 분자가 어떻게 이동하고 액체 구조를 특성화하는지 분석했습니다. 그들은 최대 1년 동안 일부 시뮬레이션을 실행하여 광범위한 데이터를 수집했으며 보다 정확한 결과를 위해 알고리즘을 계속해서 미세 조정했습니다.

10년 전만 해도 이처럼 길고 상세한 시뮬레이션을 실행하는 것은 불가능했지만 오늘날의 머신러닝은 지름길을 제공합니다. 연구진은 물 분자가 서로 상호 작용하는 방식의 에너지를 계산하는 기계 학습 알고리즘을 사용했습니다. 이 모델은 기존 기술보다 훨씬 빠르게 계산을 수행하여 시뮬레이션이 훨씬 더 효율적으로 진행될 수 있도록 했습니다.

기계 학습은 완벽하지 않으므로 이러한 긴 시뮬레이션을 통해 예측의 정확도도 향상되었습니다. 연구자들은 다양한 유형의 시뮬레이션 알고리즘을 사용하여 예측을 테스트하는 데 주의를 기울였습니다. 여러 시뮬레이션에서 유사한 결과가 나온 경우 정확성을 검증했습니다.

가트너는 "이 연구의 과제 중 하나는 실험적으로 연구하는 것이 거의 불가능한 문제이기 때문에 비교할 수 있는 데이터가 많지 않다는 것"이라고 말했다. "우리는 실제로 한계를 뛰어넘고 있습니다. 이것이 바로 우리가 다양한 계산 기술을 사용하여 이를 수행하려고 시도하는 것이 중요한 또 다른 이유입니다."

연구자들이 테스트한 조건 중 일부는 아마도 지구에 직접적으로 존재하지 않을 수도 있지만 유로파의 바다부터 혜성 중심의 물에 이르기까지 태양계의 다양한 물 환경에 잠재적으로 존재할 수 있는 극단적인 조건이었습니다. 그러나 이러한 발견은 연구자들이 물의 이상하고 복잡한 물리 화학을 더 잘 설명하고 예측하고, 산업 공정에서 물의 사용을 알리고, 더 나은 기후 모델을 개발하는 데 도움이 될 수 있습니다.