제안하는 모델을 활용한 입력 특성값의 분자 구조 변환 결과. 카이스트 제공한국과학기술원은 김재철AI대학원 예종철 교수 연구팀이 분자 데이터에 다중 모달리티 학습(multi-modal learning) 기술을 도입해, 분자 구조와 그 생화학적 특성을 동시에 생성하고 예측해 다양한 화학적 과제에 광범위하게 활용할 수 있는 AI 기술을 처음으로 개발했다고 25일 밝혔다.
신약 개발이나 재료과학과 같은 분야에서 원하는 화학 특성 조건을 갖는 물질을 발굴할 수 있는 인공지능(AI) 기술로 평가된다.
연구팀은 화학 특성값의 집합 자체를, 분자를 표현하는 데이터 형식으로 간주해 분자 구조 표현식과 함께 둘 사이의 상관관계를 아울러 학습하는 AI 학습 모델을 제안했다.
유용한 분자 표현식 학습에 컴퓨터 비전 분야에서 주로 연구된 다중 모달리티 학습 기법을 도입해 다른 형식의 두 데이터를 통합하는 방식이다.
이를 통해 바라는 화합물의 성질을 만족하는 새로운 화합물의 구조를 생성하거나 주어진 화합물의 성질을 예측하는 생성 및 성질 특성이 동시에 가능한 모델을 개발했다.
연구팀이 제안한 모델은 50가지 이상 동시에 주어지는 특성 입력값을 따르는 분자 구조를 예측하는 등 분자 구조와 특성 모두의 이해를 요구하는 과제를 해결하는 능력을 보였다.
화학반응 예측 및 독성 예측, 후보물질 탐색과 같은 다양한 문제에도 기존 인공지능 기술을 뛰어넘는 성능을 보이는 것으로 확인됐다고 연구팀은 설명했다.
이 같은 산업계에서 중요하게 다뤄지는 과제를 포함해, 더 광범위하고 풍부한 분자 양식과 고분자, 단백질과 같은 다양한 생화학적 영역에 적용될 수 있을 것으로 기대된다.
예종철 교수는 "새로운 화합물 생성과 특성 예측 기술을 통합하는 화학 분야의 새로운 생성 AI 기술 개척을 통해 그 저변을 넓힌 것"이라고 의미를 부여했다.
이번 연구 결과는 국제 학술지 '네이처 커뮤니케이션즈' 온라인에 최근 실렸다.