DFT · MD · MLIP 커리큘럼
비전공자 및 초보자를 위한 개념적 직관 중심 4단계 학습 로드맵
Step 1
기초 체력 만들기 (수학·물리·코딩)
DFT와 MD의 핵심 개념인 "분자/결정 내부의 전자와 원자가 어떻게 움직이는가?"를 컴퓨터로 계산하기 위한 기본 도구를 습득합니다.
핵심 수학 및 물리
- 선형대수학 기초: 행렬과 벡터, Eigenvalue(특성값) 개념 (원자 배치가 행렬 형태로 계산됨)
- 고전역학 기초: F = ma (힘과 가속도), 위치 에너지와 운동 에너지
- 양자역학 직관: 파동함수(Ψ), 슈뢰딩거 방정식 (HΨ = EΨ)의 기본 개념 (전자가 구름처럼 존재함을 이해)
필수 프로그래밍 Tool
- Python:
NumPy(행렬 계산),Pandas(데이터 처리),Matplotlib(시각화) - ASE (Atomic Simulation Environment): 원자 구조를 컴퓨터로 생성하고 제어하는 파이썬 라이브러리
Step 2
DFT (밀도범함수이론) — 전자의 세계
"슈뢰딩거 방정식은 전자가 2개만 넘어가도 풀기 어려운데, 컴퓨터로 어떻게 계산할까?"
- 전자밀도 (Electron Density): 전자의 위치를 일일이 추적하는 대신, 공간상 전자의 '밀도'만 다루는 호엔베르크-콘 정리
- Kohn-Sham 방정식: 복잡한 전자 간 상호작용을 단순화하여 계산 가능하게 만드는 핵심 아이디어
- 실제 계산 절차 (SCF Loop): [초기 전자밀도 가정] → [에너지 계산] → [전자밀도 업데이트]의 Self-Consistency 반복 과정
- Exchange-Correlation (XC) Functional: GGA, LDA 등 전자 간 상호작용 근사의 종류
- 추천 입문 실습: Quantum ESPRESSO 또는 VASP 기초 (원자 간 거리 측정, Bandgap 계산)
Step 3
MD (분자동역학) — 시간의 흐름과 원자의 운동
"온도와 압력이 변할 때 원자들은 실제로 어떻게 움직일까?"
- 포텐셜 에너지 함수 (Force Field): 원자 사이의 인력/척력을 정의하는 수학 공식
- 뉴턴 운동 방정식의 수치해석: Verlet 알고리즘 등을 사용해 펨토초(fs) 단위로 원자 위치 업데이트
- 앙상블 (Ensemble): NVT(온도 고정), NPT(압력 고정) 등 실험실 환경의 컴퓨터 구현
- 추천 입문 실습: LAMMPS 기초 실습 (열전도도, 확산 계수, 결정 구조 변화 관찰)
Step 4
MLIP (머신러닝 포텐셜) — DFT의 정확도 + MD의 속도
"AI가 원자 배치만 보고 DFT 수준의 힘과 에너지를 즉시 예측할 수 없을까?"
- 원자 표현자 (Atomic Descriptors): 원자 배치를 AI가 이해할 수 있는 형태(회전/대칭 불변 수치)로 변환 (예: SOAP, Behler-Parrinello)
- Graph Neural Networks (GNN): 원자를 Node, 원자간 결합을 Edge로 표현하는 머신러닝 기법 (예: M3GNet, CHGNet)
- Active Learning (능동 학습): AI의 불확실한 영역만 골라내어 DFT 계산 후 재학습시키는 데이터 수집법
- 추천 입문 실습:
Pygstruc,ASE연동 MLIP 패키지(CHGNet, MACE 등)를 통한 에너지 예측
학습 순서 요약
1단계: Python &
ASE 기초↓
2단계: DFT 개념 정복 (전자밀도 & 에너지 계산)
↓
3단계: MD 개념 정복 (포텐셜 기반 원자 운동 계산)
↓
4단계: MLIP 정복 (DFT 데이터를 AI로 학습시켜 MD에 적용)
