구조 최적화(Structure Relaxation) 상세 가이드

원자 위치 최적화 과정의 이해

"가장 편안한 에너지를 향한 원자들의 여행"

핵심 개념: 구조 최적화는 원자들이 서로 밀고 당기는 힘(Force)이 0이 되어, 시스템 전체의 에너지가 최소값(Global Minimum)에 도달하도록 위치를 조정하는 과정입니다.

1

초기 불균형 상태 (High Energy)

데이터베이스에서 가져온 초기 구조나 결함이 생긴 직후의 구조는 원자 간 거리가 너무 가깝거나 멀어 강한 힘(Force)이 작용하는 불안정한 상태입니다.

2

MLIP를 이용한 힘 계산

머신러닝 포텐셜이 각 원자의 현재 위치를 분석하여, 어느 방향으로 얼마큼 움직여야 에너지가 낮아질지 벡터(Vector) 값을 산출합니다.

3

미세 이동 및 반복 (Iteration)

계산된 방향으로 원자들을 아주 조금씩 이동시킵니다. 이동 후 다시 힘을 계산하는 과정을 수십~수백 번 반복하며 점진적으로 에너지를 낮춥니다.

4

수렴 및 평형 (Convergence)

더 이상 움직여도 에너지가 변하지 않고 원자에 가해지는 힘이 기준치(예: 0.01 eV/Å) 이하로 떨어지면 최적화된 구조가 완성됩니다.

💡 쉬운 비유: 골짜기 위에서 공을 던지면, 공이 이리저리 굴러가다(원자 이동) 결국 가장 낮은 바닥(최적 구조)에 멈추는 것과 같습니다.

이 과정을 통해 얻은 최종 에너지가 바로
산소 공공 에너지 계산에 쓰이는 E_pristine과 E_defective입니다.

MLIP 기반 양극재 산소공공 에너지 계산 가이드

MLIP 기반 산소 공공 형성 에너지 분석

양극재(LiCoO₂) 안정성 예측 시뮬레이션 가이드

1. 계산 원리 및 공식

산소 공공(Oxygen Vacancy) 형성 에너지는 격자에서 산소가 이탈할 때 드는 에너지를 의미하며, 배터리의 열적 안정성과 전압 강하를 예측하는 핵심 지표입니다.

E_vac = E_defective + ½E_O₂ - E_pristine

• E_pristine: 결함이 없는 완전한 슈퍼셀의 에너지
• E_defective: 산소 원자 1개를 제거한 후 이완(Relax)된 구조의 에너지
• ½E_O₂: 기체 상태 산소 원자 1개의 기준 화학 퍼텐셜

2. 완벽한 격자구조(Pristine) 확보 소스

데이터 소스	특징 및 장점
Materials Project	무기 화합물 DB의 표준. 최적화된 CIF/POSCAR 즉시 획득 가능.
ICSD / COD	실험적으로 검증된 결정학 구조 데이터 확보에 유리.
ASE / Pymatgen	Python 라이브러리를 통해 단위 격자를 대형 슈퍼셀로 확장 생성.

3. 예제 데이터: LiCoO₂ 슈퍼셀 (POSCAR)

아래는 산소 공공 계산을 위한 기본적인 슈퍼셀 구조 파일 예시입니다.

LiCoO2_Pristine_Supercell_Example 1.0 8.4312 0.0000 0.0000 # Lattice Vector X -4.2156 7.3016 0.0000 # Lattice Vector Y 0.0000 0.0000 14.0500 # Lattice Vector Z Li Co O 12 12 24 # 3x3x1 Supercell 구성 원자 수 Direct 0.00000 0.00000 0.00000 # Li 좌표들... 0.33333 0.66667 0.12500 # Co 좌표들... 0.33333 0.66667 0.24000 # O 좌표 (이 중 하나를 선택해 제거)

4. MLIP를 이용한 분석 프로세스

Step 1 구조 최적화 (Pristine Relaxation)

가져온 구조를 선택한 MLIP 모델(CHGNet, MACE 등)로 다시 한 번 최적화하여 E_pristine을 구합니다.

Step 2 산소 결함 생성 (Defect Generation)

슈퍼셀 내부의 산소 원자 중 하나를 제거합니다. 층상 구조인 경우 다양한 위치의 산소를 제거해 보며 에너지를 비교합니다.

Step 3 결함 구조 최적화 (Defective Relaxation)

산소가 빠진 자리 주변 원자들이 재배치(Relaxation)되도록 MLIP로 계산하여 E_defective를 얻습니다.

Step 4 최종 에너지 도출

준비된 공식에 대입하여 형성 에너지를 계산합니다. MLIP는 이 과정을 DFT보다 1,000배 이상 빠르게 수행합니다.

💡 핵심 팁: 배터리 양극재는 충전/방전 상태에 따라 산소 공공 에너지가 달라집니다. Li 원자를 제거한 '탈리튬 구조'에서도 동일한 과정을 거쳐 안정성을 평가해 보세요.

© 2026 AI Battery Informatics Guide. All rights reserved.

완벽한 격자구조(Pristine Structure) 확보 가이드

완벽한 격자구조(Pristine Structure) 확보 방법

1. 주요 데이터베이스 (DB)

Materials Project (MP) 가장 추천하는 소스입니다. 수만 개의 화합물에 대해 최적화된 CIF 파일과 에너지를 제공합니다. (Open Access)

ICSD 무기 결정 구조의 표준입니다. 실험 데이터 위주라 신뢰도가 매우 높지만 보통 유료/기관 로그인이 필요합니다.

Crystallography Open DB (COD) 전 세계 연구자들이 기탁한 실험 구조 데이터가 모인 오픈 데이터베이스입니다.

AFLOW / OQMD 대규모 DFT 계산 결과를 보유하고 있어 데이터 기반 연구(Informatics)에 유리합니다.

2. 라이브러리를 이용한 생성

파이썬 라이브러리인 ASE (Atomic Simulation Environment)나 Pymatgen을 사용하면 코드로 직접 구조를 생성할 수 있습니다.

• 단순 결정(FCC, BCC 등)은 내장 함수로 즉시 생성 가능
• 단위격자(Unit cell)를 확장하여 대형 슈퍼셀(Supercell) 제작 용이

3. 구조 확보 후 필수 처리 과정

1

데이터 추출: DB에서 CIF 또는 POSCAR 파일 다운로드

2

포맷 변환: 시뮬레이션 툴(VASP, LAMMPS 등)에 맞는 파일로 변환

3

구조 최적화(Relaxation): 사용할 MLIP 모델을 이용해 에너지가 가장 낮은 안정화된 위치 계산

4

Pristine 에너지 확정: 최적화 완료 후 출력된 에너지를 E_pristine으로 사용

* 주의: 외부에서 가져온 구조는 반드시 자신의 계산 환경(포텐셜 종류, Cutoff 등)에서 다시 최적화해야 오류를 방지할 수 있습니다.

MLIP 기반 산소공공형성 에너지 계산

MLIP를 이용한 산소공공형성 에너지 계산

Machine Learning Interatomic Potentials Guide

1. 기본 개념 및 계산식

산소 공공(Oxygen Vacancy) 에너지란 결정 구조 내에서 산소 원자 하나를 제거할 때 필요한 에너지를 뜻합니다.

E_vac = E_defective + ½E_O₂ - E_pristine

• E_pristine: 결함이 없는 깨끗한 상태의 에너지
• E_defective: 산소가 하나 제거된 구조의 에너지
• ½E_O₂: 제거된 산소 원자 1개의 기준 에너지

2. 상세 계산 5단계

Step 1 MLIP 모델 준비

MACE, CHGNet 등 신뢰할 수 있는 모델을 선택하거나, 특정 물질 데이터를 이용해 모델을 Fine-tuning합니다.

Step 2 Pristine 구조 최적화

완벽한 격자 구조에서 원자 위치와 격자 크기를 조정하여 에너지가 가장 낮은 상태를 찾습니다.

Step 3 Defective 구조 생성 및 이완

산소 원자 하나를 삭제한 후, 주변 원자들이 다시 안정적으로 배치되도록 MLIP로 재계산(Relaxation)합니다.

Step 4 기준 에너지 산출

모델이 학습할 때 사용한 산소 화학 퍼텐셜이나 O₂ 분자 에너지를 확인합니다.

Step 5 형성 에너지 산출

각 단계에서 얻은 에너지 값을 공식에 대입하여 최종 결과값을 도출합니다.

3. MLIP 활용의 장점

구분	설명
속도 및 규모	DFT 대비 수천 배 빠르며, 수만 개의 원자를 포함한 슈퍼셀 계산 가능
전수 조사	복잡한 결정 구조 내의 수많은 산소 위치를 빠르게 스크리닝 가능
동역학 분석	고온에서의 산소 확산(Diffusion) 시뮬레이션에 유리

⚠️ 주의사항: MLIP 모델이 학습하지 않은 특이 구조에서는 오차가 발생할 수 있습니다. 결과의 신뢰도를 높이기 위해 대표적인 몇 가지 케이스는 반드시 DFT 계산과 비교 검증(Validation)하는 것을 권장합니다.