AI-Driven Interatomic Potentials

AI 기반 원자간 포텐셜

We leverage machine learning to develop accurate interatomic potentials for materials simulation. Our neural network potentials enable quantum-accuracy simulations at fraction of computational cost.

머신러닝을 활용하여 정확한 원자간 포텐셜을 개발합니다. 신경망 포텐셜을 통해 계산 비용의 일부로 양자 정확도 시뮬레이션을 가능하게 합니다.

Multiscale Modeling

멀티스케일 모델링

Our multiscale modeling approach bridges quantum mechanics to continuum scales, enabling predictive design of energy materials from atomic to device level.

양자역학부터 연속체 스케일까지 연결하는 멀티스케일 모델링을 통해 원자 수준부터 장치 수준까지 에너지 소재의 예측 설계를 가능하게 합니다.

High-Throughput Screening

고속 스크리닝

Using machine learning and DFT calculations, we screen thousands of materials to identify optimal candidates for energy applications.

머신러닝과 DFT 계산을 활용하여 에너지 응용을 위한 최적의 후보 소재를 식별하기 위해 수천 개의 소재를 스크리닝합니다.