BEST단백질 폴딩 문제 많큼 오랫동안 안풀리고 + 돈 될 만한 문제가 고체물리 쪽에 있음?
AI가 돈먹는 하마인데 단백질 폴딩 문제만큼 학술적이고 산업적으로 동시에 의미 있는 문제가 없으면 시작하기 힘들듯
대댓글 4개
2025.04.21
일단은 촉매개발 정도가 떠오르네요. 환경이슈에서 수요가 많은 편이지요.
2025.04.21
반도체 산업에만 써먹어도 상당히 유용할텐데.. 거따가 초전도체 개발에도 진전 있을거고. 학술적&산업적 가치 모두 상당하지.
2025.04.21
꼭 고체물리는 아니긴 한데, 전세계 슈퍼컴퓨터 사용량중 가장 많은 부분을 전자구조 계산이 차지할겁니다. (AI시대 이후로는 달라졌을지도...) 학술적이면서 산업적으로 충분히 의미있다 봅니다
2025.04.21
기업한테 돈 되는 문제는 많음 고체물리 응용이 재료공학임 다만 개인 연구자테까지 돈이 크게 오지는 않음 아직
2025.04.21
데이터량이 너무 많음. 그리고 계산 세팅도 다 통일해야되서. 누군가 총대 매고 프로토콜만들어서 같이 데이터셋만들자고 하지 않는 이상 힘듬
대댓글 5개
2025.04.21
구체적으로 무슨 상황의 데이터를 생각하시나요?
2025.04.21
지금 이미 어느정도 통일된 프로토콜로 데이터셋 엄청 많이 만들도 있음 예를 들어 메타에서 나온 open materials, open catalysis db 검색해보셈 그리고 완전히 통일되어 있지 않더라도 transfer learning 등을 통해 학습 가능
2025.04.22
각 구조별 전자구조 이야기하면 밴드 구조랑 전자 밀도는 저장해야하는데 한 계산당 데이터량이 많고 데이터는 많겠지만 수도포텐셜이랑 베이스셋 다를 때마다 다 총에너지도 달라지고하는데 학습이 잘 이루어질리가. 지금 전자구조랑 머신러닝 둘다 써서 진행 중인데 깔맞춤 안하면 당빠 문제생김
2025.04.22
데이터, 프로토콜조차 ai에게 맡기면?
2025.04.23
지금 pseudopotential이나 functional 차이도 학습할수 있는 모델들이 나왔음. MACE같은 경우에는 atom energy를 학습시켜서 그들이 foundation model이라 부르는 MACE-MP에 다른 계산조건의 training set를 transfer learning이 가능한 아키텍쳐로 설계됨. MACE 개발한 그룹 교수님이랑 이야기할 기회가 최근에 있었는데 training set를 극단적으로 줄여도 안정적이라고 이야기했었음.
2025.04.21
단백질 폴딩 문제 많큼 오랫동안 안풀리고 + 돈 될 만한 문제가 고체물리 쪽에 있음?
AI가 돈먹는 하마인데 단백질 폴딩 문제만큼 학술적이고 산업적으로 동시에 의미 있는 문제가 없으면 시작하기 힘들듯
대댓글 4개
2025.04.21
일단은 촉매개발 정도가 떠오르네요. 환경이슈에서 수요가 많은 편이지요.
2025.04.21
반도체 산업에만 써먹어도 상당히 유용할텐데.. 거따가 초전도체 개발에도 진전 있을거고. 학술적&산업적 가치 모두 상당하지.
2025.04.21
꼭 고체물리는 아니긴 한데, 전세계 슈퍼컴퓨터 사용량중 가장 많은 부분을 전자구조 계산이 차지할겁니다. (AI시대 이후로는 달라졌을지도...) 학술적이면서 산업적으로 충분히 의미있다 봅니다
2025.04.21
기업한테 돈 되는 문제는 많음 고체물리 응용이 재료공학임 다만 개인 연구자테까지 돈이 크게 오지는 않음 아직
2025.04.21
글쎄요... 막상 보면 잘 모르겠달까
2025.04.21
이미 메타, 구글, 마이크로소프트 다 고체물리 ai 연구 하고있음 정확히는 재료공학에 가깝긴 함
2025.04.22
핵융합도 이미 도입되서 딥러닝 논문 나왔던데. 전방위적으로 적용되고 있는것 같은데
2025.04.22
사람들이 알파폴드 중요성이랑 AI에 드는 비용 잘 모르는 것 같은데...?
알파폴드 중요성: 이거 나오고 AI로 신약개발하는 스타트업 말그대로 100개 생겼고 제약회사들 다 딥러닝 팀 만듬. 진짜 신약개발 AI 나오면 다른 제약회사들 다같이 손잡고 둠스데이 찍는거임. 그거 만든 제약사는 그날 주가 탑5 제약회사 합친 수준으로 떡상
운영비: 이거 하려면 AI+과학 둘 다 아는 사람들 필요한데 이러면 연봉 10억부터 시작 x 최소 30명 + GPU A100도 1인당 최소 10개 노드는 써야함. 합치면 1인당 50억 = 1500억/년. 알파폴드 4-5년 걸렸으니까 5000억? 물론 이래도 성공 보장은 없음 ㅎㅎ
재료공학쪽에 이정도 투자할 만한 문제가 있다고? 흠
대댓글 2개
2025.04.22
금속촉매, 배터리, 디스플레이, 반도체... 많아보이는데요?
2025.04.22
찾아보니 금속 촉매는 시장이 너무 작고 디스플레이는 삼성은 안할거같고 반도체는 재료공학 시뮬레이션인지는 좀 애매하네요
배터리가 그나마 가능성 있어보이는데 100억달러 정도 순수익을 내는 회사에서 연간 몇억 달러 정도를 알파폴드 하듯이 AI 개발에 쓸까요...? 제 생각에는 지금 기업에서 적극적으로 바이오에 투자하는 거랑은 다르게 학계에서 누가 성과를 내거나 제약사에서 사용하는 기술을 적용해 보다가 잘 되는 확신이 있으면 그때야 점차 투자할 듯 합니다
2025.04.22
지금 수준으로는 정복하기 쉽지 않음. 지금 MP나 open catalyst training set 보면 대부분 PBE+U로 도배해놓았는데 이게 정확한 계산법이라고 보기에는 어려움. 즉 우리가 interpolate 하려는 정확한 답도 모르는데 정답을 맞추려고 하고 있는거임. 또 대부분 NN기반 예측 모델들은 또 adiabatic ground state를 가정하는데 이것이 재료의 equilibrium property를 예측하는데 도움이 되지만 Catalysis와 같은 화학적 반응, 특히 photocatalysis와 같은 excited state와 non-adiabacity가 필요한 부분에서는 예측조차 제대로 할 모델이 없음.
대댓글 2개
2025.04.22
저는 DFT를 machine learning으로 가속화하는 연구를 진행 중인데, 너무 흥미로운 관점이네요! 좀 더 여쭤보고 싶은게 있는데 오픈카톡방파서 댓글 달아도 될까요?
2025.04.23
저도 뭐 딱히 아는건 없지만 오카방 파주시면 들어갈께요
2025.04.22
맞아요 고체물리도 이미 AI가 슬금슬금 들어오고 있는 느낌인데 생물쪽도 알파폴드 이후로 실험실 분위기 싱숭생숭합니다 앞으로 우리 연구자는 뭐 먹고 살까요
2025.04.22
고체는 실제 구현이 더 어려울텐데?
2025.04.22
고체물리 이미 계산량 싸움인데 당연히 AI가 먹기 딱 좋은 분야지 이론하는 사람들 긴장 좀 해야겠네
2025.04.21
대댓글 4개
2025.04.21
2025.04.21
2025.04.21
2025.04.21
2025.04.21
대댓글 5개
2025.04.21
2025.04.21
2025.04.22
2025.04.22
2025.04.23
2025.04.21
대댓글 4개
2025.04.21
2025.04.21
2025.04.21
2025.04.21
2025.04.21
2025.04.21
2025.04.22
2025.04.22
대댓글 2개
2025.04.22
2025.04.22
2025.04.22
대댓글 2개
2025.04.22
2025.04.23
2025.04.22
2025.04.22
2025.04.22