[내재된 범용 양자 포텐셜 라이브러리를 이용한 시뮬레이션으로, 실용적 고효율 신소재 창조/개발] 혁신적인 소재/소자 및 이들의 초기능성을 개발한다. 여기에는 자기합성(Science 2001)에 의한 나노렌즈의 슈퍼해상도(Nature 2009a), CVD-합성된 그래핀(Nature 2009b)을 이용한 슈퍼자기저항(Nat. Nano. 2008), 초고속 DNA 시퀀싱(Nat. Nano. 2011), 2D 분자전자분광법(ACS Nano 2014), 초상자성을 이용한 수질정화(ACS Nano 2010)가 포함된다. 신소재 설계를 위해 기계학습에 기초한 희소-가우스-프로세스-회귀를 이용하여 범용 제1원리 에너지/힘이 내장된 라이브러리를 개발한다(Phys. Rev. B; J. Phys. Chem. Lett. 2021). 능동 학습을 통한 유사도 측정으로 국소 기하학적 특징을 이용하여 함수차수를 줄여 확장성을 준다. 즉, 상변이에 관련된 여러 국소환경들을 병합하여 복합계로의 전이/확장이 가능하고 정확한 범용 에너지/힘-빅데이타를 구축한다. 기계학습된 제1원리 분자역학 시뮬레이션은 디지털트윈 역을 담당하며, 고성능 단원자 전기촉매(Nat. Energy 2018), 중합촉매(Nat. Catal. 2018), 배터리(Adv. Energy Mater. 2022), 페로브스카이트 태양전지(Nature 2021)등을 개발한다.

물질 및 계면에서 전자 전도를 이해하는 것은 에너지 변환, 전자공학 및 스핀트로닉스와 같은 장치 응용 분야에서 매우 중요합니다. 그러나 관련 물리적 및 화학적 현상은 다소 고전적인 이론에 의존하는 우리의 직관으로는 거의 예측할 수 없습니다. 따라서 실험 못지않게 현대 양자이론과 시뮬레이션은 통찰력을 얻고 혁신적인 재료를 설계하기 위해 매우 중요합니다. 우리의 연구 관심분야 중 하나는 최첨단 시뮬레이션 도구를 사용하여 재료의 다양한 특성을 예측하는 것입니다. 효율적인 예측을 위해 기계 학습 지원 스크리닝을 사용하여 밀도범함수이론 패키지로 high-throughput 계산을 수행합니다. 그럼에도 불구하고 다양한 복합계의 상관효과 현상을 예측하는데 한계가 있습니다. 기존 코드의 한계를 극복하기 위해 동적평균장 이론과 비평형 그린함수 방법을 사용하는 차세대 소프트웨어 도구도 개발합니다.