Generative Pipeline for Discovering Solid-State Battery Materials with Universal Atomistic Potentials
저자: Artem Dembitskiy, Shuya Yamazaki, Artem Maevskiy, Nikita Kazeev, Roman A. Eremin, Semen Budennyy, Kedar Hippalgaonkar, Antonio Helio Castro Neto, Andrey E Ustyuzhanin | 날짜: 2026 | URL: https://openreview.net/forum?id=xFI6K4ZQDp📄 PDF
⚠️ 이 페이지의 요약·평가·해설은 생성형 AI(Claude)가 자동 생성한 2차적 분석물입니다. 논문 원문의 저작권은 원저작자에게 있으며, 정확한 내용은 원문(위 DOI·arXiv 등 출처)을 확인하세요.
라이선스: OpenReview 공개(오픈액세스)
Essence
Figure 1. Schematic diagram of the developed screening pipeline.
이 논문은 WyFormer 생성모델과 uMLIP(범용 원자간 포텐셜)를 결합하여 고체전지용 보호코팅 소재를 발굴하는 3단계 계산 파이프라인(생성-스크리닝-검증)을 제안한다. 기존 데이터베이스에 없는 새로운 결정구조를 생성하고, uMLIP 기반 구조최적화와 PES 유래 descriptor로 열역학적 안정성, 전기화학적 호환성, Li-ion 전도도를 저비용으로 스크리닝한다.
Motivation
Known: 기존 소재 발굴은 Materials Project 같은 기존 데이터베이스를 스크리닝한 뒤 DFT로 검증하는 방식이었으며, 최근에는 결정구조 생성모델(예: diffusion, flow-matching, transformer 기반)과 uMLIP(MACE, SevenNet, TensorNet 등)이 각각 독립적으로 소재탐색에 활용되고 있다.
Gap: 기존 데이터베이스는 포화 상태에 가까워 새로운 화합물 발견 가능성이 제한적이며, 생성모델과 uMLIP을 결합해 실제 물리적 제약 하에서 신뢰할 수 있는 end-to-end 소재 발굴이 가능한지, 그리고 실용적 스크리닝 파이프라인 내에서 두 요소가 어떻게 상호작용하는지는 아직 불명확하다.
Why: 고체전지의 안전성과 성능 향상을 위해서는 전극-전해질 계면을 안정화하는 보호코팅 소재가 필수적인데, 전기적 절연성, 빠른 Li-ion 전도도, 열역학적/전기화학적 안정성을 동시에 만족하는 후보를 찾는 것은 매우 어려운 다목적 최적화 문제이며, 이를 대규모 화학 공간에서 계산적으로 효율적으로 탐색할 수 있는 실용적 프레임워크가 필요하기 때문이다.
Approach: Wyckoff 표현 기반 symmetry-aware transformer인 WyFormer로 후보 결정구조를 생성하고, uMLIP 기반 구조최적화·안정성 평가·PES 기반 descriptor 스크리닝을 거쳐 유망 후보를 도출한 뒤 ML 가속 분자동역학으로 검증하는 모듈형 파이프라인을 제안한다.
Achievement
Figure 2. Conductivity values extracted from the uMLIP-driven
통합 파이프라인 제시: 생성모델(WyFormer)과 uMLIP 기반 고속 QM 대체 평가를 결합한 3단계(생성-스크리닝-검증) 소재 발굴 파이프라인을 구축했다.
LGPS 기반 모델 시스템 적용: Li10GeP2S12 고체전해질, LiCoO2 캐소드, 금속 Li 애노드로 구성된 실제적인 고체전지 시스템을 대상으로 보호코팅 후보를 탐색했다.
PES 기반 descriptor 활용: uMLIP이 예측한 potential energy surface에서 유래한 descriptor를 이용해 계산비용이 큰 NEB 없이도 Li-ion 전도도를 빠르게 스크리닝하는 방법을 적용했다.
기존 데이터베이스 미포함 화학공간 탐색: 기존 데이터셋에 없는 화학 공간에서도 유망한 후보 물질을 식별할 수 있음을 보였다.
확장 가능한 모듈형 설계: 이기종 HPC 자원에서 확장 실행 가능한 모듈형 워크플로우를 제시하여 실용적 적용 가능성을 높였다.
How
Figure 1. Schematic diagram of the developed screening pipeline.
Composition, symmetry, Wyckoff site 정보를 조건으로 WyFormer를 사용해 후보 결정구조를 생성
생성된 구조에 대해 구조 유효성 검사(structure validity checks) 수행
MACE, SevenNet, TensorNet 등 uMLIP을 이용한 구조 최적화로 열역학적 안정성 평가
band gap 예측 및 스크리닝을 통해 전기적 절연성 여부 판단(전자전도성 소재를 배제)
LGPS, LiCoO2, 금속 Li와의 전기화학적/화학적 안정성 평가
uMLIP 예측 PES로부터 도출한 descriptor를 이용한 이온전도도 스크리닝
상위 후보에 대해 uMLIP 기반(MLIP-driven) 분자동역학(MD)으로 추가 검증, 이후 AIMD로 후속 검증 예정
Originality
결정구조 생성모델(WyFormer)과 uMLIP을 하나의 end-to-end 실용 파이프라인으로 통합하여 고체전지 보호코팅이라는 구체적 응용 문제에 적용한 점이 새롭다.
PES 기반 descriptor를 이용해 NEB 등 고비용 계산 없이 이온전도도를 스크리닝하는 접근을 실제 소재 발굴 워크플로우에 통합했다.
기존 데이터베이스에 없는 화학공간을 생성모델로 탐색함으로써 스크리닝의 한계를 넘어서려는 시도가 돋보인다.
Limitation & Further Study
초록과 발췌 부분에서 AIMD(ab initio molecular dynamics) 단계는 실제로 수행되지 않았다고 명시되어 있어, 최종적인 고정밀 검증이 부재한 상태이다.
발췌된 본문에서 구체적인 정량적 결과(발견된 후보 물질의 수, 실험적 검증, 정확도 지표 등)가 충분히 제시되지 않아 파이프라인의 실질적 성능을 판단하기 어렵다.
band gap 예측이 PBE 기반 MP 데이터로 학습되어 band gap을 과소평가하는 한계가 있으며, 이는 유망 절연체 후보를 false negative로 걸러낼 위험이 있다.
향후 연구로 AIMD를 통한 최종 검증, 다양한 고체전해질/전극 조합으로의 일반화, 실험적 합성 가능성 검증이 필요하다.
기반 연구SPECTER2 유사도 0.93 기준으로 'Generative Pipeline for Discovering Solid-State Battery Materials with Universal Atomistic Potentials'의 AI4S 방법론을 'A Perspective on Foundation Models in Chemistry'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
기반 연구SPECTER2 유사도 0.94로 Computational Molecular Design와 Molecular Simulation and Generative Modeling가 맞닿아, 'A Physics-Informed Chemical Rule for Topological Materials Discovery'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
기반 연구SPECTER2 유사도 0.94로 Computational Molecular Design와 Molecular Simulation and Generative Modeling가 맞닿아, 'Prediction and Experimental Verification of Electrolyte Solvation Structure from an OMol25-Trained Interatomic Potential'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
