UPDATED. 2024-03-19 17:58 (화)
KAIST, AI 학습으로 화학반응 90% 이상 예측
KAIST, AI 학습으로 화학반응 90% 이상 예측
  • 최아름 기자
  • 승인 2022.10.04 13:01
  • 댓글 0
이 기사를 공유합니다

화학반응 DB서 규칙 도출해 생성물 예측 ‘성공’
논문 표지 이미지. 화학반응의 결과를 알기 위해서는 실험을 통해 확인해야 하지만, 높은 정확도를 갖는 화학반응 예측 인공지능을 이용하면 잠재적으로 이러한 실험을 대체하거나, 미래의 디지털 실험실에서 물질 개발에 필요한 시간과 비용을 절감할 수 있을 것으로 기대된다. [출처=KAIST]
논문 표지 이미지. 화학반응의 결과를 알기 위해서는 실험을 통해 확인해야 하지만, 높은 정확도를 갖는 화학반응 예측 인공지능을 이용하면 잠재적으로 이러한 실험을 대체하거나, 미래의 디지털 실험실에서 물질 개발에 필요한 시간과 비용을 절감할 수 있을 것으로 기대된다. [출처=KAIST]

[정보통신신문=최아름기자]

화학반응 데이터 학습을 통해 화학반응 규칙을 도출하고, 이를 통해 반응 생성물을 90% 이상 정확하게 예측하는 인공지능이 국내에서 개발됐다.

KAIST는 정유성 생명화학공학과 교수 연구팀이 화학자처럼 생각하는 인공지능을 개발했다고 4일 밝혔다. 연구팀이 개발한 인공지능은 유기 반응의 결과를 정확하게 예측한다.

유기 화학자는 반응물을 보고 유기 화학반응의 결과를 예상해 약물이나 유기발광다이오드(OLED)와 같이 원하는 물성을 갖는 분자를 합성한다. 하지만 실험을 통해 화학반응의 생성물을 직접 확인하는 작업은 일반적으로 시간과 비용이 많이 소모된다. 게다가 유기 화학 반응은 같은 반응물에서 다양한 생성물이 생길 수 있어 숙련된 유기 화학자라도 모든 화학반응을 정확하게 예측하지 못한다.

이런 한계를 극복하고자 인공지능을 이용해 유기 반응을 예측하는 연구가 활발하게 일어나고 있다. 대부분의 연구는 반응물과 생성물을 서로 다른 두 개의 언어로 생각하고 한 언어에서 다른 언어로 번역하는 언어 번역 모델을 사용하는 방법에 집중하고 있다. 이 방법은 예측 정확도는 높지만, 인공지능이 화학을 이해하고 생성물을 예측했다고 해석하기 어려워 모델이 예측한 결과를 신뢰하기 어렵다.

정 교수팀은 화학적 직관을 바탕으로 모델을 설계해서 모델이 예측한 결과를 화학적으로 설명을 할 수 있을 뿐 아니라, 공개 데이터베이스에서 매우 우수한 예측 정확도를 달성했다.

정 교수팀은 화학자가 반응 결과를 예측하는 방법에서 아이디어를 얻었다. 화학자는 반응 중심을 파악하고 화학반응 규칙을 적용해 가능한 생성물을 예측한다. 이 과정을 본떠서 공개 화학반응 데이터베이스로부터 화학반응 규칙을 도출했다. 화학반응 규칙을 바탕으로 분자의 화학 반응성을 예측하기 위해서, 분자를 그래프로 취급하는 그래프 신경망(GNN) 모델을 개발했다. 이 모델에 반응물들을 넣으면 화학반응 규칙과 반응 중심을 식별해 생성물을 성공적으로 예측한다.

정 교수팀은 화학반응에서 널리 사용되는 미국 특허무역청(USPTO) 데이터를 이용해 유기 반응을 90% 이상의 정확도로 예측하는 데 성공했다. 개발된 모델은 실제 사용 시 모델에 높은 신뢰성을 제공하는 `예측의 불확실성'을 말할 수 있다. 예를 들어 불확실성이 낮다고 간주되는 모델의 정확도는 98.6%로 증가한다. 모델은 무작위로 샘플링된 일련의 유기 반응을 예측하는 데 있어 소규모의 합성 전문가보다 더 정확한 것으로 나타났다.

이번 연구의 성공으로 연구팀은 다른 분야에서 좋은 성능을 보인 모델을 그대로 사용하던 기존 방법보다, 화학자가 생각하는 방법과 동일하게 신경망을 설계하는 전략이 더 합리적이고 우수한 성능을 보인다는 것을 입증했다. 연구팀은 이 연구를 활용하면 분자 설계 과정이 비약적으로 빨라질 것으로 기대하며, 새로운 화합물 개발에 실용적인 응용을 기대하고 있다. 정유성 교수팀은 현재 연구 성과의 특허 출원을 준비하고 있다.

첸수안(Shuan Chen) KAIST 생명화학공학과 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 머신 인텔리전스(Nature Machine Intelligence)'에 9월호의 표지논문으로 선정돼 출판됐다.

 

개발된 화학반응 예측모델. 무기화합물의 조성정보와 구조정보를 동시에 학습하는 생성모델을 구축하고, 기존의 소재 데이터베이스를 학습하여, 이를 바탕으로 제한돼있던 화학적 공간을 선택적으로 자유롭게 확장시켜 기존에는 발견할 수 없었던 숨겨진 유망한 신물질을 새롭게 발견할 수 있다. [출처=KAIST]
개발된 화학반응 예측모델. 무기화합물의 조성정보와 구조정보를 동시에 학습하는 생성모델을 구축하고, 기존의 소재 데이터베이스를 학습하여, 이를 바탕으로 제한돼있던 화학적 공간을 선택적으로 자유롭게 확장시켜 기존에는 발견할 수 없었던 숨겨진 유망한 신물질을 새롭게 발견할 수 있다. [출처=KAIST]

 



댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • [인터넷 신문 등록 사항] 명칭 : ㈜한국정보통신신문사
  • 등록번호 : 서울 아04447
  • 등록일자 : 2017-04-06
  • 제호 : 정보통신신문
  • 대표이사·발행인 : 함정기
  • 편집인 : 이민규
  • 편집국장 : 박남수
  • 서울특별시 용산구 한강대로 308 (한국정보통신공사협회) 정보통신신문사
  • 발행일자 : 2024-03-19
  • 대표전화 : 02-597-8140
  • 팩스 : 02-597-8223
  • 청소년보호책임자 : 이민규
  • 사업자등록번호 : 214-86-71864
  • 통신판매업등록번호 : 제 2019-서울용산-0472호
  • 정보통신신문의 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재·복사·배포 등을 금합니다.
  • Copyright © 2011-2024 정보통신신문. All rights reserved. mail to webmaster@koit.co.kr
한국인터넷신문협회 인터넷신문위원회 abc협회 인증 ND소프트