SUTD·NUS, 입자-셀 시뮬레이션을 양자 플라스마로 확장한 오픈소스 플랫폼 개발

기존 시뮬레이션 도구의 구조적 한계

광통신·AI 하드웨어·고급 센서·의료 영상 등 현대 기술의 상당 부분은 빛과 전자의 상호작용을 정밀하게 제어하는 포토닉·반도체 소자에 의존한다. 그러나 소자 설계에 사용되는 기존 시뮬레이션 툴들은 근본적인 상충 관계를 안고 있었다. 소자 전체를 다루는 매크로 수준 모델은 내부 전자의 거동을 포착하기 어렵고, 전자 수준의 세밀한 묘사가 가능한 툴은 실제 소자 규모에 적용하기엔 계산 비용이 지나치게 크다. 결과적으로 연구자들은 두 관점 가운데 하나를 포기해야 하는 상황이 오래 지속되어 왔다.

PIC 방법론에 양자 효과 모듈 추가

연구팀은 이미 플라스마 물리 커뮤니티에서 검증된 PIC 시뮬레이션을 기반으로 삼았다. PIC는 하전 입자와 전자기장을 함께 추적하는 데 강점이 있지만, 원래 고전(classical) 플라스마용으로 설계되어 금속이나 반도체 내부 전자의 양자 거동을 재현하기 어려웠다. 연구팀은 네 가지 새로운 물리 모듈을 추가해 이 한계를 극복했다. 이를 통해 플라즈모닉 금속, 자외선 영역 실리콘 나노구조, 그래핀 기반 소재 등 다양한 응집물질 시스템에서의 나노스케일 빛-물질 상호작용을 단일 플랫폼 내에서 시뮬레이션할 수 있음을 실증했다.

오픈소스 공개와 디지털 트윈 전망

연구팀은 수정된 PIC 코드를 오픈소스로 공개했다. 이는 전 세계 연구자들이 플랫폼을 지속적으로 확장하고, 개발 노력의 중복을 줄이는 데 기여할 수 있다. 장기적으로는 이 프레임워크를 포토닉·반도체 소자의 디지털 트윈 구현에 활용한다는 구상이다. 디지털 트윈이 실현되면 물리적 제작 전에 가상 환경에서 설계를 반복적으로 검증할 수 있어, 포토닉 집적회로·광학 센서·레이저·LED·태양전지 개발에서 시간과 비용을 줄일 수 있다.

다음 단계: AI 가속기와 복잡계 물리 통합

연구팀은 아직 모델에 포함되지 않은 다체(many-body) 상호작용이나 전자 밴드 구조 같은 심화 물리까지 플랫폼에 통합하는 것을 다음 과제로 설정했다. 또한 물리 기반 신경망(physics-informed neural networks)을 활용한 AI 가속기를 개발해 물리적 정확도를 유지하면서 계산 시간을 단축하는 방향도 병행해 추진할 계획이다.

의미와 한계

이번 연구는 기존 플라스마 시뮬레이션 인프라를 재활용함으로써 개발 부담을 낮추고 검증된 신뢰성을 유지했다는 점에서 실용적 의미가 있다. 다만 현 단계에서는 많은 양자 물질에서 중요한 다체 효과와 완전한 밴드 구조 계산이 아직 포함되지 않았으며, 실제 소자 규모의 시뮬레이션으로의 확장 가능성도 추가 검증이 필요하다. AI 가속 방식의 정확도 손실 여부 역시 향후 연구에서 면밀히 살펴봐야 할 부분이다.