물리 정보가 들어간 ML로 수직 자기이방성 2D 자석 15종 발굴

1/ AI 활용 방법: 팔면체 결정장 정보를 포함한 지도학습 분류기
2/ 적용 과제: 수직 자기이방성을 갖는 2차원 자석 후보 분류
3/ 보고된 결과: 1만 개 이상 후보를 스크리닝해 15개 신규 PMA 물질을 제시하고 89% 분류 정확도를 보고함
4/ 연구진은 팔면체 결정장 정보를 기술자로 넣은 머신러닝 분류기를 사용해 수직 자기이방성(PMA)을 보이는 2차원 자석을 찾았다.
5/ 이 방법으로 1만 개가 넘는 후보를 스크리닝했으며, 15개의 새로운 PMA 물질을 제시했고, 그중 유망 후보로 Ba₂VTe₂S₂를 언급했다.
6/ 분류 정확도는 89%로 보고됐다.
7/ 재료 연구 관점에서 이 결과는 단순한 데이터 기반 분류가 아니라, 구조·전자 환경에 대한 물리적 지식을 기술자에 반영해 후보 탐색을 가속할 수 있음을 보여준다.
8/ 특히 희귀한 자기이방성 타깃을 가진 2차원 자석 탐색에서, 물리 정보가 포함된 특징 설계가 고속 스크리닝의 효율을 높이는 사례로 읽힌다.
9/ 다만 보고된 성능과 후보 제시는 해당 데이터와 정의된 탐색 공간에 대한 결과이며, 제시된 물질들이 실제 합성 가능하고 원하는 자기 특성을 실험적으로 재현한다는 뜻은 아니다.
10/ 분류 정확도만으로는 오검출의 분포나 외삽 성능을 완전히 판단할 수 없고, 최종 검증은 별도의 계산과 실험이 필요하다. [1][2]