신약 개발이나 재료과학 분야에서 원하는 화학 특성의 물질 발굴이 중요해진 가운데, 한국과학기술원(KAIST·총장 이광형) 연구팀이 기존 인공지능(AI)을 뛰어넘어 화학반응 예측이나 독성 예측, 화합물 구조 설계 등 다양한 문제를 해결하는 기술을 개발했다.
KAIST는 예종철 김재철AI대학원 교수팀이 분자 구조와 생화학적 특성 생성, 예측이 동시에 가능해 다양한 화학적 과제에 활용가능한 AI 기술을 개발했다고 25일 밝혔다. 분자 데이터에 다중 모달리티 학습 기술을 도입한 결과다.
심층신경망 기술 기반 AI 발달 이래, 이런 분자와 그 특성값 사이 관계 파악 시도는 꾸준하다. 사전학습 기법이 떠오르면서 분자 구조 자체에서 화합물 성질을 예측하는 AI 연구들이 제시됐으나 새로운 화합물 생성, 기존 화합물 특성 예측이 동시에 가능한 기술은 없었다.
연구팀은 화학 특성값 집합을 분자 표현 데이터 형식으로 간주, 분자 구조 표현식과 함께 둘 사이 상관관계를 아울러 학습하는 AI학습 모델을 제안했다.
다중 모달리티 학습 기법을 도입해 다른 두 데이터 형식을 통합하는 방식으로 새로운 화합물 구조를 생성하거나 주어진 화합물 성질을 예측하는 것이 동시에 가능하게 했다.
제안 모델은 50가지 이상 특성값을 동시 입력해 이에 따른 분자 구조를 예측하는 등 분자 구조과 특성 모두를 이해해야 하는 과제를 해결하는 능력을 보였다.
화학반응 예측 및 독성 예측과 같은 문제에도 기존 AI를 뛰어넘는 성능을 보였다.
이 연구는 독성 예측, 후보물질 탐색뿐 아니라 고분자, 단백질과 같은 다양한 생화학적 영역에 적용될 수 있을 것으로 기대된다.
예종철 교수는 “새로운 화합물 생성과 화합물 특성 예측 기술을 통합하는 화학분야의 새로운 생성 AI기술 개척으로, 생성 AI 기술 저변을 넓힌 것에 자부심을 느낀다”고 말했다.
예종철 교수팀의 장진호 석박통합과정이 제1 저자로 참여한 이번 연구 결과는 '네이처 커뮤니케이션즈' 지난 3월 14일자 온라인판에 게재됐다.
한편 이번 연구는 한국연구재단 AI데이터바이오선도기술개발사업 지원을 받았다.
김영준 기자 kyj85@etnews.com