“사람들이 표적 진화에 대해 생각할 때, 그들은 개와 말을 키우는 사람들을 생각할지도 모른다. 우리는 컴퓨터가 이전 세대에서 가능한 가장 좋은 재료 배열을 찾도록 설계했다.” -미국 아르곤(Argonne) 국립연구소 재료과학자 안드레아스 글라츠(Andreas Glatz)

재료 과학자들이 인공지능(AI) 진화 유전 알고리즘을 활용해 효율적으로 전류를 전달할 수 있는 초전도체를 개발하는 방법을 제시했다.

직관적 이해와는 달리 대부분의 초전도체는 결함을 포함하기 때문에 높은 자기장에서 작동할 수 있다. 초전도체 내의 결함의 수, 크기, 형태 및 위치는 함께 작용해 자기장이 있는 상태에서 전류 운반 능력을 향상시킨다. 그러나 결함이 너무 많으면 전류 경로가 차단되거나 초전도 재료가 파손될 수 있으므로 과학자들은 결함을 재료에 통합하는 최적의 방법을 선택해야 한다.

미국 에너지부(DOE) 아르곤 국립연구소(Argonne National Laboratory)의 새로운 연구에서 연구자들은 인공지능(AI)과 고성능 컴퓨팅으로 다양한 형태의 결함이 초전도체의 성능에 미치는 영향을 측정 및 평가했다.

연구자들은 생물학적 유전자와 같은 각 결함을 처리하는 컴퓨터 알고리즘을 개발했다. 상이한 결함의 조합은 상이한 양의 전류를 전달할 수 있는 초 전도체를 산출했다. 알고리즘이 특히 유력한 결함 세트를 확인하면 이 결함 집합을 새로운 결함 조합이 등장하는 ‘시드’ 데이터 세트로 초기화한다.

연구의 저자 웨이광 곽(Wai-Kwong Kwok) 아르곤 특별 펠로우 겸 선임 재료과학자는 “각 시뮬레이션은 알고리즘이 최적화 하고자 하는 새로운 세대의 결함을 형성하는 것과 같다”며 “시간이 지남에 따라, 우리가 의도적으로 가장 중요한 임계 전류를 갖는 물질을 허용하는 결함 구조를 선택함에 따라, 결함 구조가 점진적으로 정제된다”고 말했다.

결함이 초 전도체의 필수적인 부분을 형성하는 이유는 자기장이 있는 상태에서 형성되는 자기 소용돌이를 잡아서 고정시키는 능력에 있다. 이러한 와류는 전류가 인가될 때 순수한 초전도 재료 내에서 자유롭게 이동할 수 있다. 그렇게 할 때, 그들은 저항을 일으키기 시작해 초전도 효과를 부정한다. 와류가 고정 된 채로 전류가 여전히 물질을 통과할 수 있게 하는 동안, 적용된 초 전도체에서 손실 없이 전기를 전송하는 방법을 찾고자 하는 과학자에게는 꼭 필요한 특성이다.

연구진은 와류 움직임을 멈추게 하는 올바른 결함 조합을 찾기 위해 임의의 모양과 크기의 결함으로 알고리즘을 초기화했다. 연구자들은 이것이 최적의 설정과는 거리가 멀다는 것을 알고 있었지만 AI모델은 작업할 수 있는 중립적 초기조건 세트를 제시했다.

연구원들이 모델의 연속된 세대를 거쳐 반복하면서, 그들은 초기 결함이 기둥 모양으로 변형되고 궁극적으로 평면 결함이 주기적으로 배열되는 것을 보았다.

아르곤 재료과학자 안드레아스 그라츠(Andreas Glatz)는 “사람들이 표적진화에 대해 생각할 때 개나 말을 키우는 사람을 생각할지도 모른다”라며 “이는 컴퓨터가 이전 세대에서 가능한 가장 좋은 배열을 배운 디자인에 의한 재료의 예”라고 말했다.

인공 결함 선택 프로세스의 한 가지 단점은 특정 결함 패턴이 모델에 고정돼 유전 데이터에 일종의 고정화를 초래한다는 사실에 있다. 곽 펠로우는 “어떤 면에서는 근친 교배와 같이 생각할 수 있다”고 말했다.

‘세대 간 결함 유전자 풀’ 에 대부분의 정보를 보존하는 것은 급격한 시스템 전체 변형을 허용하지 않기 때문에 이점과 한계가 있다. 그러나 디지털 ‘진화’는 이러한 문제를 피하기 위해 초기 씨드를 다르게 반복 할 수 있다.

AI 모델을 실행하기 위해 연구자들은 아르곤(Argonne)과 오크 리지 국립 연구소(Oak Ridge National Laboratory) 고성능 컴퓨팅 시설을 활용했다.