프로그램

 

1월 18일 (화)

 

좌장: 손영우 교수 (고등과학원)

 

9:20~9:30

인사말 손영우 교수 (고등과학원)

 

 

9:30~12:30

강의제목 Fundamentals of Density Functional Theory

강사 유재준 교수 (서울대학교)

강의 소개 We will discuss basic concepts, theories, and methods behind density functional theory (DFT). DFT is a computational quantum mechanical modeling method used in physics, chemistry, and materials science to investigate the electronic structure of many-body systems, particularly atoms, molecules, and condensed phases. We hope to provide a broad perspective on current electronic structure theory and background for practical computations, which serves as starting points of topics in the following lectures: exchange-correlational functional, pseudopotential theory, time-dependent DFT, and many-body perturbation theory. This course aims at the graduate and post-graduate students in theoretical and computational condensed matter physics.

 

참고자료

• Richard M. Martin, Electronic Structure: basic theory and practical methods (Cambridge University Press, 2004) (ISBN 0 521 78285 6)

• ICTP Workshop “Hands-on Workshop on Density Functional Theory and Beyond: Computational Materials Science for Real Materials”, (6-15 August 2013), http://th.fhi-berlin.mpg.de/sitesub/meetings/DFT-workshop-2013/index.php?n=Meeting.Program

 

 

 

좌장: 손영우 교수 (고등과학원)

 

14:00~15:20

강의제목 전자-포논 상호작용에 대한 제일원리계산 방법 소개 1

강사 강영호 교수 (인천대학교)

강의 소개 본 강의에서는 전자-포논 상호작용에 대한 기초 이론들과 밀도범함수이론(density functional theory) 계산을 활용한 전자-포논 상호작용 기술 방법들을 소개한다. 전자-포논 상호작용은 DFT로 계산된 비상호작용 전자의 밴드구조를 재규격화(renormalization)시키게 된다. 예를 들어, 일반적으로 반도체의 밴드갭은 온도가 올라감에 따라 줄어들고, 때로는 무거운 전자유효질량(effective mass)을 초래한다. 이러한 물성들을 계산하는 방법들과 물리적인 원인들을 설명한다. 또한, 전자-포논 상호작용이 강한 물질들의 광전자 방출 스펙트럼의 특성을 이해하기 위한 준입자(quasiparticle) 개념에 대해 간단히 소개한다.

 

참고자료

Feliciano Giustino, Rev. Mod. Phys. 89, 015003 (2017).

ICTP workshop “School on Electron-Phonon Physics from First Principles”, (19-23 Mar 2018), http://indico.ictp.it/event/8301/other-view?view=ictptimetable

 

 

15:30~16:50

강의제목 전자-포논 상호작용에 대한 제일원리계산 방법 소개 2

강사 강영호 교수 (인천대학교)

 

강의 소개 두 번째 강의에서는 전자-포논 상호작용으로 인한 반도체에서의 간접 흡수(indirect absorption)를 어떻게 계산할 수 있는지 소개한다. 나아가, 밴드 재규격화와 동시에 빛 흡수를 고려할 수 있는 방법에 대해 설명한다. 한편, 전자-포논 상호작용은 전자산란의 원인이 되며 이로 인해 전자의 이동도를 제한하게 된다. 본 강의에서는 전자-포논 상호작용에 따른 전자산란속도를 계산하는 제일원리방법과 볼츠만 수송 방정식(Boltzmann transport equation)과 완화시간근사(relaxation time approximation)를 이용해 전자 이동도를 결정하는 방법에 대해 소개한다.

 

참고자료

Marios Zacharias, Christopher E. Patrick, and Feliciano Giustino, Phys. Rev. Lett. 115, 177401 (2015).

Marios Zacharias and Feliciano Giustino, Phys. Rev. B 94, 075125 (2016).

Youngho Kang, Karthik Krishnaswamy, Hartwin Peelaers, and Chris G Van de Walle, J. Phys.: Condens. Matter 29, 234001 (2017).

 

 

 

1월 19일 (수)

 

좌장: 강영호 교수 (인천대학교)

 

10:00 ~ 12:00

강의제목 인공지능 기술을 활용한 결정구조 탐색과 설계1

강사 이인호 박사 (KRISS)

 

강의 소개 인공신경망과 진화학습을 바탕으로 한 결정구조 탐색과 설계의 예들을 제시하고 기초적인 내용을 실습하는 것을 강의의 최종목표로 삼는다. 수강자분들께서는 참고자료 위치로 표시된 아래의URL에 게시된 아나콘다와 그 밖의 각종 패키지를 설치한 노트북을 지참해 주시기 바랍니다. http://incredible.egloos.com/7482936

 

참고자료

https://github.com/inholeegithub/winter2022

http://incredible.egloos.com/7133499

http://incredible.egloos.com/7303943

http://incredible.egloos.com/7515137

 

 

 

좌장: 한승우 교수 (서울대학교) 

 

14:00~16:00

강의제목 인공지능 기술을 활용한 결정구조 탐색과 설계2

강사 이인호 박사 (KRISS)

 

강의 소개 앞선 강의 1에 이어서 아래 홈페이지에 있는 프로그램을 다운로드 받아서 각자의 노트북 혹은 컴퓨터를 이용하여 실습을 할 예정입니다.

http://incredible.egloos.com/7482936

 

참고자료

https://github.com/inholeegithub/winter2022

http://incredible.egloos.com/7133499

http://incredible.egloos.com/7303943

http://incredible.egloos.com/7515137

 

 

 

1월 20일 (목)

 

좌장: 이주형 교수 (GIST)

 

9:00~11:00

강의제목 Applications of Atomic Scale Computations and Machine Learning for Materials Design

강사 Prof. Jeffrey Grossman (MIT)

 

강의 소개 Our planet’s health needs an acceleration in the pace of progress towards clean and sustainable energy and water technologies. Advances in these technologies are critically dependent on materials innovation, which in turn relies on the ability to understand and control matter at the atomic scale to realize optimized performance across an exhaustive set of metrics. Materials science and engineering is at the core of many of these challenges, where key mechanisms dominate intrinsic properties of the active materials involved. This lecture will focus on the opportunities afforded by application of machine learning (ML) techniques to materials design and discovery. Our imperative is to predict, identify, and manufacture new materials as comprehensively and rapidly as possible to enable game-changing forward leaps rather than incremental advances. I will give examples from our own research that highlight the crucial role of atomic-scale calculations and ML to challenges of materials design in different applications, with a focus on our recent work on carbon-to-products, energy storage, thermal conductivity, dielectrics, and acceleration of experiments.

 

 

 

좌장: 이재광 교수 (부산대학교)

 

2:00~5:00

강의제목 인공신경망 기초와 소재 탐색에의 응용

강사 이주형 교수 (GIST)

 

강의 소개 인공신경망의 기본 개념과 기초 이론을 “사용자” 입장에서 소개하고, 배터리 양극 소재 탐색을 통해 인공신경망이 소재 탐색에 적용되는 사례를 살펴본다. 그리고, 이러한 “인공신경망 기반의 소재 탐색” 과정에서 밀도범함수론으로 대표되는 전자구조 계산 방법론의 역할을 알아본 후, 인공 신경망을 이용한 소재 탐색을 시연한다 (시연에 관심있는 수강생은 PyTorch, pymatgen, scikit-learn을 미리 설치하여 참석하시기 바랍니다).

 

참고자료 

I. Goodfellow, Y. Bengio and A. Courville, Deep Learning, MIT Press (2016)

오일석, 기계학습, 한빛아카데미 (2017)

X. Tie and J. C. Grossman, Phys. Rev. Lett. 120, 145351 (2018)C. Chen, W. Ye, Y. Zuo, C. Zheng and S. P .Ong, Chem. Mater. 31, 3564 (2019)

 

 

 

1월 21일 (금)

 

좌장: 이인호 박사 (KRISS)

 

10:00~12:00

강의제목 인공신경망 포텐셜: 실전 이론과 응용1    강의영상(Youtube)

강사 한승우 교수 (서울대학교)

 

강의 소개 본 강의에서는 최근 많은 관심을 모으고 있는 인공신경망 포텐셜 방법에 대해서 이론을 살펴보고 간단한 예제를 통하여 실습을 진행하고자 한다. 우선 파트1에서는 이론 강의로써 상황별 학습셋을 잡는 방법이나 모델 검증 등 실제 응용에서 유념해야 할 부분들을 짚어보고자 한다.

 

참고자료

K. Lee et al, Computer Physics Communications 242, 95 (2019)

D. Lee et al, Physical Review Materials 3, 093802 (2019)

S. Watanabe et al, Journal of Physics: Energy 3, 012003 (2021)

 

 

 

좌장: 김용훈 교수 (KAIST)

 

14:00~16:00

강의제목 인공신경망 포텐셜: 실전 이론과 응용2   강의영상(Youtube)

강사 한승우 교수 (서울대학교)

 

강의 소개 앞선 강의에 이어서 SIMPLE-NN 패키지를 이용하여 3가지 정도 케이스 스터디를 진행하면서 실습을 진행합니다. 실습생은 유닉스 기반 OS를 사용할 수 있어야 하며 아래 사이트에 안내된 설치 방법에 따라 PyTorch, SIMPLE-NN, LAMMPS 패키지를 본인의 컴퓨터에 미리 설치해야 합니다. 설치에 대한 도움이 필요하면 wjdwltn928@snu.ac.kr 으로 문의 바랍니다. VASP 결과 파일로 구성된 학습셋은 별도로 제공할 예정입니다. 

 

참고자료

https://github.com/MDIL-SNU/SIMPLE-NN_v2

 

 

16:00~16:10

맺음말 김용훈 교수 (KAIST)