딥러닝 DFT '스칼라 1.1', 계산화학의 새 기준

딥러닝으로 밀도범함수 이론을 다시 쓰다

재료 설계와 신약 개발의 뒤편에서 언제나 작동하는 계산 엔진이 있다. 바로 밀도범함수 이론(Density Functional Theory, DFT)이다. DFT는 전자의 밀도만으로 분자의 에너지와 구조를 근사하는 양자 역학 계산법으로, 화학·재료·촉매·에너지·신약 개발 전반에 걸쳐 사실상의 표준 도구로 쓰인다. 문제는 정확도다. DFT는 전체 에너지를 나누는 식의 핵심 항목인 '교환-상관 범함수(exchange-correlation functional)'를 근사하는데, 이 근사가 정확할수록 계산 비용이 급격히 치솟는다.

마이크로소프트 리서치(Microsoft Research)는 이 범함수를 딥러닝 모델로 대체하는 '스칼라(Skala)' 프로젝트를 통해, 정확도 대비 비용이라는 DFT의 오랜 트레이드오프를 깨려 하고 있다 (공식 블로그 발표). 8월 20일 공개된 스칼라 1.1은 훈련 데이터를 2.5배 늘려 이전 버전보다 대폭 개선된 성능을 보여주며, “매 버전이 이전 버전을 대체하며 영구히 개선된다”는 스칼라의 철학을 처음으로 증명한 릴리스다.

‘범함수 동물원’을 버린 연속 개선 패러다임

기존 DFT 생태계는 ‘범함수 동물원’이라 불린다. 새 범함수가 나와도 기존 것들이 사라지지 않고 둥지에 쌓여, 연구자는 수십 가지 후보 중 선택을 강요받는다. 스칼라는 정반대의 설계를 따른다. 각 릴리스가 이전 버전을 대체(supersede)하도록 만들어, 데이터·모델 구조·훈련 전략이 발전할수록 모델만 개선될 뿐 실제 계산 비용은 같은 자리를 유지한다. 이 ‘연속 개선(continuously improving)’ 개념은 범함수 정확도를 소프트웨어처럼 버전 관리하는, DFT에는 다소 이질적인 접근이다.

이 철학은 실용적으로도 중요하다. 범함수 정확도가 높아져도 그게 사용자 도구에 반영되지 않으면 무용지물이다. 스칼라는 정확도와 함께 ‘접근성’을 두 번째 축으로 삼아, 과학자들이 이미 매일 쓰는 전자 구조 코드 안으로 모델을 밀어 넣는 작업을 병행하고 있다.

스칼라 1.1: 하이브리드 성능을 반국소 비용으로

스칼라 1.1의 핵심 수치는 꽤 인상적이다. 55개 카테고리(열화학, 반응속도장벽, 비공유 상호작용 등)로 구성된 표준 벤치마크 GMTKN55에서 가중평균 오차 2.8 kcal/mol을 기록했다. 이 수준은 현재 최고급 전역(global, range-separated) 하이브리드 범함수를 능가하면서도, 계산 비용은 훨씬 저렴한 반국소(semi-local, meta-GGA급) 함수 수준에 머문다. 에너지 총점뿐 아니라 전자 밀도·쌍극자 모멘트·분자 구조 예측에서도 높은 정확도를 보인다.

비교 기준	스칼라 1.1	전통적 방식
GMTKN55 가중평균 오차	2.8 kcal/mol	(벤치마크 55개 분야로 평가)
정확도 수준	최고급 하이브리드 능가	범함수별 편차 큼
계산 비용	반국소(meta-GGA)급	하이브리드는 급격히 증가
55개 카테고리 중 1위(금메달)	32개	-

GPT/대형 언어모델과 마찬가지로, 성능 향상의 원천은 데이터 규모다. 스칼라 팀은 고정밀 파동함수법으로 생성한 대규모 기준 데이터 컬렉션 **MSR-ACC(Microsoft Research Accurate Chemistry Collection)**를 운영하는데, 1.1 버전에서는 전자 친화도·비공유 클러스터 등 카테고리를 추가해 데이터의 규모와 다양성을 동시에 끌어올렸다.

생태계 확장: CP2K 통합부터 living benchmark까지

정확도만큼 중요한 것은 배포다. 스칼라는 본래 GPU4-PySCF 기반 오픈소스 커뮤니티 릴리스와 ASE 통합으로 시작됐지만, 이번에 본격적인 생태계 확장을 발표했다.

• CP2K: 센터포어드밴스드시스템즈이해(CASUS) 토마스 퀴네(Thomas D. Kühne) 교수팀과 협력해 통합 완료. 대규모·장시간 분자동역학에 강점을 가진 25년 역사의 코드다.
• Psi4: 오픈소스 분자 전자 구조 연구 플랫폼으로 통합 진행 중.
• FHI-aims · ORCA · VASP: 상용·학술 전역에서 쓰이는 주요 전자 구조 코드들과의 통합을 추진 중.

또한 MSR은 연속 개선을 객관적으로 검증하기 위해, 버전이 쌓일수록 계산 성능을 측정·추적하는 ‘살아있는 벤치마크(living benchmark)’를 도입했다. 패키지·하드웨어 구현 전반에 걸쳐 투명하고 지속 갱신되는 기준을 제공함으로써, 커뮤니티가 정확도·효율 향상 속도를 스스로 잴 수 있게 만드는 장치다.

정리: ‘예측적인 계산화학’을 향한 한 걸음

스칼라가 의미하는 바는 단일 범함수 성능 이상으로, ‘DFT를 데이터로 개선하는 파이프라인’이 실제로 작동한다는 증거다. 같은 비용으로 하이브리드급 정확도를 얻는 것은, 재료 스크리닝이나 분자 시뮬레이션 비용이 지배하는 산업 워크플로에 실질적 변화를 준다. 다만 아직은 데이터·기준 컬렉션이 유리할 수 있는 화학 도메인 중심이며, 전이금속·고체계 전반으로 일반화할 수 있는지가 다음 관건이다. 공개된 모델과 벤치마크가 계속 쌓이는 만큼, 이 분야의 진척 속도를 커뮤니티가 직접 확인할 수 있게 된 점만으로도 의미 있는 발걸음이다.