본 논문은 활성 학습 전략을 기반으로 하는 새로운 역설계 생성 프레임워크인 InvDesFlow-AL을 제안합니다. InvDesFlow-AL은 원하는 성능 특성을 향해 점진적으로 생성 과정을 안내하여 재료 생성 프로세스를 반복적으로 최적화합니다. 기존 생성 모델 대비 32.96% 향상된 0.0423 Å의 RMSE를 달성하여 결정 구조 예측의 정확도를 높였으며, 낮은 형성 에너지와 낮은 Ehull을 갖는 재료 설계에서도 성공적으로 검증되었습니다. 다양한 화학 공간을 탐색하면서 점진적으로 낮은 형성 에너지를 갖는 재료를 체계적으로 생성할 수 있습니다. 실제로 상온에서 작동하는 BCS 초전도체를 찾는 데 InvDesFlow-AL을 적용하여 140K의 초고온 초전도 전이 온도를 갖는 Li₂AuH₆를 성공적으로 발견하여 역설계 방법의 효과를 입증했습니다. 이는 재생에너지, 촉매, 에너지 저장 및 탄소 포집과 같은 분야 발전에 기여할 수 있는 기능성 재료의 역설계 방법 개발에 중요한 진전입니다.
