고온 나노와이어 전도도만으로 저온 Majorana 특징을 복원하는 확산·비전 트랜스포머 제안

1/ AI 활용 방법: Shifted Window U-Net Transformer 기반 확산형 모델과 Video Vision Transformer
2/ 적용 과제: 고온 전도도 데이터로 저온 전도도 복원 및 topological visibility 예측
3/ 보고된 결과: 저온 전도도 복원에서 local R² 약 0.95, nonlocal R² 약 0.91, topological visibility 예측에서 R² 약 0.80을 보고
4/ 고온에서 얻은 나노와이어 전도도 데이터를 입력으로 사용해 저온 전도도를 복원하고, 저온 topological visibility를 직접 예측하는 머신러닝 방법이 보고됐다.
5/ 논문은 Shifted Window U-Net Transformer 기반 diffusion-inspired 모델로 저온 local 및 nonlocal 전도도를 복원했고, Video Vision Transformer로 topological visibility를 예측했다.
6/ 보고된 성능은 저온 전도도 복원에서 local R² 약 0.95, nonlocal R² 약 0.91이며, topological visibility 예측에서는 R² 약 0.80이다.
7/ 저온 검증 전에 고온 데이터만으로 소자를 선별하는 실용적 스크리닝 가능성을 제시한 점이 재료 연구에 중요하다.
8/ 다만 이 결과는 특정 나노와이어 전도도 데이터와 해당 문제 설정에서의 보고 성능이며, 다른 재료계나 다른 측정 프로토콜로 그대로 일반화된다고 볼 수는 없다.
9/ 실제 적용에서는 입력 데이터 품질, 온도 범위, 그리고 모델이 학습한 분포 밖의 시료에 대한 외삽 가능성을 별도로 확인해야 한다. [1][2]