The AI-based inverse design is revolutionizing the way to discover new materials. Instead of the traditional Edisonian approach of experimenting or calculating materials one by one to find the desired properties, we use AI technology to predict materials directly from the properties we want. This significantly reduces the time and cost involved in developing new materials.

AI 기반 역설계 방법론은 신소재 탐색의 패러다임을 혁신적으로 변화시키고 있습니다. 기존의 에디소니안 방법론처럼 원하는 특성의 소재를 찾기 위하여 일일이 실험하거나 계산하는 대신, AI 기술을 활용해 원하는 물성에서 출발하여 소재를 예측함으로써, 신소재 개발에 드는 시간과 비용을 대폭 줄일 수 있습니다.

Our research group is working on inverse design of materials based on multi-dimensional properties, such as DOS. By using multiple properties instead of just one or two values, we can explore a broader range of materials. Our goal is to not only design materials but also inverse design of the synthesis and processing methods. This way, we aim to minimize the gap between designing new materials and actually manufacturing them, making the process more efficient and accessible. 

본 연구 그룹은 다양한 딥러닝 AI 모델을 기반으로 DOS와 같은 다차원 물성으로부터 소재의 역설계 연구를 진행 중입니다. 단일 또는 소수의 물성이 아닌 다차원의 물성을 통해, 기존의 역설계 연구보다도 훨씬 더 넓은 범위의 소재 역설계가 가능해집니다. 또한 소재 정보만이 아니라 합성 및 공정 방법까지도 역설계하여, 신소재 설계와 실제 소재 합성 사이의 격차를 최소화하려고 합니다.