전산나노소재 (CNMD) 연구실에서는 다양한 계산과학 기법을 통해 물리, 화학적 원리에 기반한 재료의 물성을 파악하고, 예측된 물성을 이용해서 신소재들을 다양한 응용분야에 맞게 최적화하는 작업을 수행합니다. 이는 분자동역학, 모델 헤밀토니언, 범밀도 함수 이론, 다체 제일원리 이론 등과 같은 다양한 컴퓨터 기반의 테크닉을 이용해서 진행됩니다. 또한, 기계학습 기반 멀티스케일 시뮬레이션 프레임을 이용하여 빠른 시간내에 신소재를 개발, 다양한 응용분야에 맞게 최적화하는 기술 개발도 수행하고 있습니다. 조건에 따른 재료 거동의 변화를 이해하는 것은 다양한 응용 분야에서 재료 특성을 최적화하는 데 있어 매우 중요합니다. 비록, 나노 및 원자 규모에서 재료 거동을 이해하기 위해 다양한 기술이 개발되었지만, 재료의 물성을 정밀하게 제어하는 것은 여전히 재료를 연구하는 과학자 및 엔지니어들에게 도전 과제로 남아 있습니다. 최근 이론과 모델링의 발전으로 재료 거동의 물리적, 화학적 원인에 대한 근본적인 이해가 가능해졌으며, 이는 제조 기술 개발과 고급 엔지니어링을 위한 설계 전략으로 사용되기 시작하였습니다. 특히, 제일원리 계산을 분자 동역학이나 몬테 카를로 (Monte Carlo)와 같은 다양한 계산 기술들과 접목 시킴으로써 원자 수준에서 재료의 거동을 명확하게 설명 할 수 있게 되었고, 이러한 접근 방식은 다양한 응용 분야에서 재료 특성을 최적화 할 수 있는 방향성을 제공하기 시작했습니다. CNMD 그룹은 제일원리 계산을 기반으로 다양한 스케일의 계산 기법을 접목시켜 재료 특성을 특정 응용분야에 맞게 최적화하고, 궁극적으로 맞춤형 특성을 가진 새로운 다기능 재료를 개발하는 연구를 수행하고 있습니다.

CNMD그룹의 연구 프로젝트는 기계 학습을 기반으로 재료 설계 및 최적화를 통해 특정 응용분야에 맞는 최적의 소재 설계를 목적으로 수행됩니다. 이를 위해, 먼저 제일원리 기반의 멀티스케일 계산을 통해 구조와 재료 물성 사이의 관계를 구축하여 재료 물성 형성을 위한 주요 인자를 식별합니다. 구축된 관계는 기계학습을 진행하기 위한 추가 입력 데이터베이스로 사용되며, 기 구축된 재료-물성 데이터베이스들과 합쳐져 새로운 데이터베이스를 만들어 냅니다. 이렇게 생성된 데이터베이스들을 기반으로 다양한 기계학습 테크닉들을 활용하여 특정분야에 맞는 최적의 재료를 선별하고 물성을 극대화시키는 연구를 진행합니다. 또한 다양한 분야의 이론 및 실험 그룹과 적극적인 협동연구를 수행함으로써 신소재 개발을 진행하고 있습니다.