예종철 교수 연구팀 개발
다중 모달리티 학습 도입
양방향 생성 가능한 모델 개발
예종철 카이스트 교수. ⓒKAIST
국내 연구진이 화학반응이나 독성 예측, 화합물 구조 설계 등 다양한 문제를 동시에 해결하는 인공지능(AI) 기술을 개발했다.
카이스트(KAIST)는 김재철 AI대학원의 예종철 교수 연구팀이 분자 데이터에 다중 모달리티 학습(multi-modal learning) 기술을 도입, 다양한 화학적 과제에 광범위하게 활용할 수 있는 AI 기술을 개발했다고 25일 밝혔다.
AI 발전 후, 심층신경망 기술을 통한 분자와 특성값 관계를 파악하려는 시도는 꾸준히 이뤄져 왔다.
최근 비지도 학습(unsupervised training)을 통한 사전학습 기법이 떠오르면서 분자 구조 자체로부터 화합물의 성질을 예측하는 AI 연구들이 제시됐다. 이러한 시도에도 기존 화합물의 특성 예측이 동시에 가능한 기술은 개발되지 못했다.
연구팀은 화학 특성값의 집합 자체를, 분자를 표현하는 데이터 형식으로 간주해 분자 구조의 표현식과 함께 둘 사이의 상관 관계를 동시에 학습하는 AI 학습 모델을 제안했다.
연구팀이 제안한 모델은 유용한 분자 표현식 학습을 위해 컴퓨터 비전 분야에서 주로 연구된 다중 모달리티 학습 기법을 도입, 다른 형식의 데이터를 통합하는 방식이다.
연구팀이 제안한 모델은 50가지 이상 특성값 입력에 따라 분자 구조를 예측하는 등 분자의 구조와 특성을 이해하는 해결 능력을 보였다. 이러한 두 데이터 정보 공유를 통해 화학반응, 독성 예측과 같은 다양한 문제에도 기존 AI 기술을 뛰어넘는 성능을 보이는 것으로 확인됐다.
KAIST는 “독성 예측, 후보 물질 탐색처럼 많은 산업계에서 중요하게 다뤄지는 과제를 포함해, 더 광범위하고 풍부한 분자 양식과 고분자, 단백질과 같은 다양한 생화학적 영역에 적용될 수 있을 것으로 기대된다”고 했다.
예종철 KAIST 교수는 “새로운 화합물의 생성과 화합물의 특성 예측 기술을 통합하는 화학분야의 새로운 생성 AI기술의 개척을 통해 생성 AI 기술의 저변을 넓힌 것에 자부심을 갖는다”고 말했다.
예종철 교수 연구팀의 장진호 석박통합과정이 제1저자로 참여한 이번 연구 결과는 국제 학술지 ‘네이처 커뮤니케이션즈’의 지난 14일 자 온라인판에 게재됐다.
한편 이번 연구는 한국연구재단의 AI데이터바이오선도기술개발사업으로 지원됐다.
예종철 교수팀이 제안한 모델을 활용해 입력 특성값의 분자 구조를 변환한 결과. ⓒKAIST
