Microsoft Research: MatterSim이 152 W/m/K TaP를 실험 합성, MatterSim-MT가 PES 범위 너머로 확장

Microsoft Research는 2026년 5월 12일 재료과학 기반 모델 MatterSim의 결과를 발표했습니다——AI 예측의 실험적 검증, 3-5배 가속화된 추론, 그리고 기존 포텐셜 에너지 면(PES) 한계를 넘어서는 새로운 다중 작업 MatterSim-MT 모델이 포함됩니다.

MatterSim은 실험적으로 무엇을 확인했습니까?

MatterSim-v1 모델은 240,000개 이상의 재료 후보 중에서 정방정계 TaP(인화탄탈)을 잠재적 고열전도성 재료로 식별했습니다. Microsoft 팀은 TaP를 합성하고 실험실에서 152 W/m/K의 열전도율을 측정했습니다——실리콘 성능에 근접한 값입니다. 이는 AI 기반 재료 스크리닝을 통한 TaP의 열전도체로서의 첫 번째 식별이며, 실제 재료 발견에서 ML 예측을 검증합니다.

프로젝트 공동 연구자 중 한 명은 “대규모로 열전도율을 제어하는 것에 대한 기존 이해를 테스트하면서 과학자들이 놓쳤던 기능성 재료를 발견할 수 있다”고 말했습니다.

추론은 얼마나 빨라졌습니까?

MatterSim-v1 모델은 두 가지 가속화를 받았습니다: 500만 파라미터 변형은 3배, 100만 파라미터 변형은 5배. LAMMPS 소프트웨어와의 통합으로 기존 과학적 워크플로를 통한 멀티 GPU 확장이 가능해졌으며, 대규모 시뮬레이션을 실험실에서 운용 가능한 비용으로 수행할 수 있습니다.

MatterSim-MT는 PES 외부에서 어떤 출력을 제공합니까?

MatterSim-MT는 89개 원소, 최대 5000K 온도, 최대 1000 GPa 압력에 걸쳐 3500만 개 이상의 제1원리 구조로 훈련된 다중 작업 기반 모델입니다. 기존 PES 모델은 에너지와 힘만 예측하지만, MatterSim-MT는 응력 텐서, 자기 모멘트, Born 유효 전하, 유전율 행렬도 기본적으로 출력합니다.

Microsoft는 세 가지 응용 사례를 시연했습니다: 진동 분광학은 극성 결정에서 제1원리 계산 대비 0.06 THz 이내 오차로 포논 스펙트럼(LO-TO 분리 포함)을 예측합니다. 강유전체 스위칭은 전기장 하에서 바륨 티타네이트의 분극 반전을 시뮬레이션합니다. 배터리 화학은 작업별 학습 없이 리튬 망간 산화물의 양이온-음이온 산화환원 전환을 모델링합니다.

이 이니셔티브는 기반 모델을 재료과학을 실험적 워크플로에서 AI-실험 하이브리드 워크플로로 끌어올리는 도구로 포지셔닝합니다.