abs: https://arxiv.org/abs/2311.09235

github: https://unified-materials.github.io/unimat/

1. 인터넷 규모의 데이터로 훈련된 생성 모델은 실제적인 텍스트, 이미지, 비디오를 생성할 수 있지만, 과학 분야에서 새로운 안정적인 물질을 찾는 데에는 한계가 있습니다.

2. 본 연구에서는 'UniMat'이라는 결정체 구조를 나타내는 통합 표현 방식을 개발하고, 이를 바탕으로 확산 확률 모델을 훈련시켜 대규모 복잡한 화학 시스템에서 높은 충실도의 결정체 구조를 생성할 수 있음을 입증했습니다.

3. 또한, 생성된 물질의 품질을 평가하기 위해 밀도 기능 이론을 기반으로 한 새로운 평가 지표를 제안하고, UniMat을 사용한 조건부 생성이 기존 방법들을 뛰어넘는 성능을 보여 새로운 안정적인 물질 발견에 기여할 것으로 기대됩니다.