Expanding Universal Machine Learning Interatomic Potentials to 97 Elements Towards Nuclear Applications

Motivation

• Known: Universal MLIP은 graph neural network(GNN)과 E(3)-equivariant message passing 같은 아키텍처 발전과 대규모 오픈 데이터셋 사전학습을 통해 분자, 결정, 표면 시스템에 적용 가능해졌으나, 기존 모델들은 transuranium 원소(Am, Cm, Cf)를 포함하지 못했다.
• Gap: 무거운 원소 특히 minor actinides는 핵연료 사이클에서 중요한 자원이지만, 방사능과 독성으로 인해 실험적 열물성 측정이 어렵다. 현존하는 DFT 데이터셋이 무거운 원소 커버리지를 제한하여 universal MLIP이 actinide 복합산화물 스크리닝에 적용될 수 없었다.
• Why: Minor actinide 화합물의 열물리적 성질 예측은 고급 핵연료 개발, 우주 방사동위원소 열전발전기, actinide 기반 고엔트로피 세라믹 설계 등 전략적으로 중요한 응용 분야에서 필수적이다.
• Approach: Heavy Element 2026(HE26) 데이터셋을 구성하여 8개의 무거운 원소(Am, Cm, Cf, Fr, At, Ra, Po, Rn)를 포함했고, 이를 OFF23(분자) 및 MPtrj(결정) 데이터셋과 total energy alignment 프로토콜을 통해 통합한 후 MACE 아키텍처 기반 universal MLIP을 훈련했다.

Achievement

FIG. 2.

97개 원소 범용 MLIP 개발: 기존 89개 원소 한계를 넘어 97개 원소 커버리지 달성. 우수한 교차 도메인 성능: MPtrj 테스트셋 에너지 MAE 29.3 meV/atom, OFF23에서 RMSE 12.3 meV/atom (전작 대비 50% 향상). 무거운 원소 학습 성공: 제한된 HE26 데이터셋에도 불구하고 lattice parameter 정확도 달성. 응용 가능성 입증: Actinide fluorite oxide 격자 열전도도 예측 수행.

How

FIG. 1.

• Heavy Element 2026(HE26) 데이터셋을 실험 및 계산 문헌 데이터로부터 구성. 기본 무거운 원소(BHE), 복합 무거운 원소(CHE), 조성 복잡 형석 산화물(CCFO)의 3개 하위셋 포함.
• Total energy alignment(TEA) 프로토콜로 분자(OFF23), 결정(MPtrj), 무거운 원소(HE26) 데이터를 통합하여 일관된 에너지 스케일 확보.
• MACE 아키텍처 기반으로 통합 데이터셋 학습하여 MACE-Osaka26 모델 개발.
• Cross-domain evaluation으로 crystalline, molecular, heavy-element 데이터셋에 대한 일반화 능력 검증.

Originality

• 무거운 원소 특화 DFT 데이터셋(HE26)을 체계적으로 구성하여 기존 데이터셋 공백을 메움.
• Total energy alignment 프로토콜을 활용하여 분자 및 결정 도메인 데이터를 효과적으로 통합.
• 97개 원소를 포괄하는 범용 MLIP 달성으로 원소 커버리지의 새로운 기준 설정.
• Actinide 화합물 특화 MLIP 개발로 핵 공학 응용 분야에서의 새로운 활용 경로 개척.

Limitation & Further Study

• HE26 데이터셋의 제한된 크기로 인해 무거운 원소에서 에너지 MAE(44.7 meV/atom)가 상대적으로 높음. 향후 더 많은 무거운 원소 데이터 수집 필요.
• 논문에서 실제 actinide fluorite oxide 열전도도 예측 결과의 정량적 검증이 부족함. DFT 또는 실험값과의 직접 비교 필요.
• Electronic structure 복잡성(lanthanide, actinide의 f-electron)이 일부 시스템에서 정확도에 영향을 줄 수 있음.
• HE26 구성 시 실험 데이터의 가용성 편향 가능성.

Evaluation

총평: 본 논문은 universal MLIP의 원소 커버리지를 97개까지 확대하여 무거운 원소, 특히 minor actinide 화합물의 물성 예측을 가능하게 한 실질적으로 중요한 기여를 한다. Heavy Element 데이터셋 구성, total energy alignment를 통한 도메인 통합, 그리고 MACE-Osaka26 모델은 핵연료 사이클 및 첨단 재료 설계 분야에서 유용한 도구가 될 것으로 예상된다. 다만 무거운 원소 데이터의 제한성과 일부 예측 결과의 검증 강화가 필요하다.