MLIP: 에너지와 힘을 구하는 원리
중학생도 이해하는 AI 시뮬레이션 과학
1단계
원자들의 '주변 환경' 파악하기 (Descriptor)
AI가 원자를 이해하려면 단순한 위치 정보 이상의 데이터가 필요합니다. 디스크립터는 원자의 주변 상황을 숫자로 요약한 것입니다.
- 핵심: 내 주변에 친구(원자)들이 어디에, 얼마나 멀리 있는지 특징을 뽑아냅니다.
- 장점: 물질이 회전하거나 자리를 옮겨도 AI가 같은 상황임을 정확히 인식하게 합니다.
💡 비유: 사람 얼굴을 인식할 때 단순히 '점의 위치'가 아니라, '눈과 눈 사이 거리', '코의 높이' 같은 특징을 데이터화하는 것과 같아요.
2단계
에너지 예측하기 (Energy Prediction)
특징이 입력되면, 학습된 AI는 그 원자가 주변 환경 때문에 가지는 에너지를 계산합니다.
Etotal = Σ Ei
각 원자 하나하나의 에너지를 개별적으로 구한 뒤, 이를 모두 더해 전체 시스템의 에너지를 결정합니다.
3단계
힘 계산하기 (Force: 미분의 마법)
가장 중요한 단계입니다. AI는 에너지를 통해 각 원자가 받는 힘을 수학적으로 찾아냅니다.
💡 비유: 산 정상(높은 에너지)에서 공을 두면 경사가 급한 골짜기(낮은 에너지) 쪽으로 굴러가죠? 에너지의 경사도를 구하면 원자가 이동하려는 힘이 됩니다.
Fi = -∂Etotal / ∂Ri
에너지를 위치(R)로 미분하면 원자가 어느 방향으로 움직일지 완벽하게 알 수 있습니다.
🚀 요약하자면?
- 관찰: 주변 원자 배치를 특징적인 숫자로 바꾼다.
- 예측: AI가 시스템의 전체 에너지를 구한다.
- 변환: 에너지의 기울기를 계산해 힘을 알아낸다.
이 힘을 이용해 원자의 움직임을 시뮬레이션하면 새로운 소재를 발명할 수 있습니다!
