POINT 정책정보포털

상세정보

페이스북
트위터

$DiffractGPT : 생성 사전 학습 변환기를 이용한 X선 회절 패턴 기반 원자 구조 결정 (DiffractGPT: Atomic Structure Determination from X-ray Diffraction Patterns using Generative Pre-trained Transformer)$

DiffractGPT : 생성 사전 학습 변환기를 이용한 X선 회절 패턴 기반 원자 구조 결정 (DiffractGPT: Atomic Structure Determination from X-ray Diffraction Patterns using Generative Pre-trained Transformer)

저자
Kamal Choudhary
수록잡지
Journal of Physical Chemistry Letters,
발행처
National Institute of Standards and Technology
발행연도
2025
분류(BRM)
과학기술-과학기술연구, 과학기술-과학기술진흥
소개
이 보고서는 분말 X선 회절(XRD) 패턴으로부터 원자 구조를 직접 예측할 수 있도록 설계된 생성형 트랜스포머 모델인 DiffractGPT를 소개한다. 이 모델은 기존에 전문가의 지식과 반복적 절차에 의존하던 결정 구조 해석 과정을 자동화하고 가속화하는 것을 목표로 하며, 재료과학 분야의 핵심 과제를 해결하고자 한다. 보고서는 DiffractGPT의 개발 과정과 JARVIS-DFT 데이터셋을 활용한 학습, 그리고 화학 정보의 제공 수준이 다른 다양한 시나리오에서의 성능 평가 결과를 상세히 다룬다. 특히, 명시적인 화학식 제공이 예측 정확도를 크게 향상시키는 것으로 나타났다. DiffractGPT는 대규모 언어모델을 소재 데이터에 맞춰 적용하고, 구조 최적화를 위한 그래프 신경망 기반 포스필드와 통합하며, 실용적인 활용을 위한 웹 기반 인터페이스를 제공한다. 이러한 결과는 DiffractGPT가 소재 탐색을 효율화하고 학제 간 협력을 촉진할 수 있는 가능성을 시사한다.
출처 URL
https://www.nist.gov/publications/diffractgpt-atomic-structure-determination-x-ray-di...
국가명
미국