한국화학연구원(이하 화학연)이 양자역학 계산에 드는 막대한 비용 없이 전자수준 정보를 스스로 학습해 분자 특성을 예측하는 인공지능(AI) 기술을 개발했다.
화학연 나경석 박사팀과 KAIST 박찬영 교수 공동연구팀은 고비용 양자역학 계산 없이 분자의 전자수준 정보 기반 물성을 정밀하게 예측할 수 있는 ‘자기지도 확산 모델 기반 분자 표현학습 기술(DELID)’을 개발했다.
이 기술은 약 3만 건의 실험데이터를 기반으로 하는 실제 분자예측에서 세계 최고수준의 예측 정확도를 달성했다.
기존 계산과학 방법론과 AI는 양자역학 계산에 드는 막대한 비용으로 물질 특성을 결정하는 가장 근원적 정보인 전자수준 정보를 신물질 탐색에 활용할 수 없었다.
대부분의 분자특성 예측 AI는 원자 수준의 정보만을 활용해 예측 정확도에 한계가 있었고, 전자수준 정보 기반의 예측 모델은 계산 비용이 높아 실제 산업계의 복잡한 분자에는 적용이 어려웠다.
연구팀은 저비용 양자역학 계산이 가능한 소규모 분자의 전자 특성들을 조합해 개발한 DELID는 복잡한 분자를 화학적으로 유효한 부분 구조로 분해하고, 이 부분 구조들의 전자 특성 정보를 양자화학 데이터베이스에서 가져와 복잡한 분자의 전자 특성을 추론하기 위한 자기지도 학습에 활용한다.
이를 통해 복잡한 분자에 대한 고비용의 양자역학 계산 없이 전체 분자의 특성을 예측하는 자기지도 학습 AI를 구현했다.
특히 이 방식은 복잡한 분자에 대한 양자역학 계산을 직접 수행하지 않고도 전자 정보를 추론할 수 있도록 고안, 양자컴퓨터가 필요한 수준의 막대한 양자역학 계산 없이도 전자 수준 특성을 반영한 물성 예측이 가능하다.
실제 DELID는 약 3만 건의 실험 데이터에 대한 분자의 물리, 독성, 광학 등의 성질을 예측하는 문제에서 예측 정확도 88%를 달성해 기존 세계 최고수준 44%를 크게 앞질렀다.
아울러 연구팀은 DELID를 산업계에서 활용할 수 있는 수준까지 기술 개발을 완료, 향후 국가 핵심산업인 반도체, 디스플레이, 의약 등의 분야에 대한 신물질 개발 연구에 DELID를 활용활 수 있을 전망이다.
나 박사는 “DELID는 고비용의 계산 없이도 전자 특성을 반영한 분자 물성 예측이 가능해 기존 AI의 한계를 넘어선 의미 있는 기술”이라고 설명했다.
이영국 화학연 원장은 “DELID는 신약 개발, 독성평가, 광전자소자 개발 등 실제 화학 분야에서 활용도가 매우 높을 것”이라며 “화학 산업에서의 AI 실용화에 기여할 것으로 기대된다”고 밝혔다.
한편, 이번 연구성과는 지난 4월 인공지능 분야 3대 학술대회 ‘국제학습표현 컨퍼런스(ICLR)’에서 발표됐다.
