[더테크=조재호 기자] 카이스트가 화학반응 예측이나 독성 예측, 구조 설계 등 다양한 문제를 동시에 풀면서 기존 인공지능(AI) 기술을 뛰어넘는 성능을 보이는 기술을 개발했다.

카이스트는 25일 김채절AI대학원 예종철 교수 연구팀이 분자 데이터에 다중 모달리티 학습(Multi-modal Learning) 기술을 도입해 분자 구조와 생화학적 특성을 동시에 생성하고 예측할 수 있어 다양한 화학적 과제에 광범위하게 쓰일 AI 기술을 개발했다고 밝혔다.

심층신경망 기술을 통한 AI의 발달 이래 분자와 특성값 사이의 관계를 파악하려는 시도는 꾸준히 진행됐다. 최근 비(非)지도 학습을 통한 사전학습 기법이 떠오르면서 분자 구조 자체로부터 화합물의 성질을 예측하는 AI 연구들이 제시되었으나 새로운 화합물을 생성하면서 기존 화합물의 특성 예측이 동시에 가능한 기술은 개발은 요원했다.

연구팀은 화학 특성값의 집합을 분자를 표현하는 데이터로 간주해 분자 구조의 표현식과 함께 둘 사이의 상관관계를 아울러 학습하는 AI 모델을 제안했다.

분자 표현식 학습을 위해 컴퓨터 비전 분야에서 연구된 다중 모달리티 학습 기법을 도입했다. 다른 형식의 데이터를 통합하는 방식으로 화합물의 성질을 만족하는 새로운 화합물 구조를 생성하거나 예측하는 생성 및 성질 특성이 동시에 가능한 모델을 개발한 것이다.

연구팀이 제안한 모델은 50가지 이상의 특성값 입력을 따르는 분자 구조를 예측하는 등 분자의 구조와 특성을 모두 이해한 과제를 해결하는 능력을 보였다. 데이터 정보 공유를 통해 화학반응 예측 및 독성 예측과 같은 문제에도 기존의 AI 기술을 뛰어넘는 성능을 보이는 것으로 확인됐다.

이번 연구는 독성 예측과 후보물질 탐색과 같이 산업계에서 중요하게 다뤄지는 과제를 포함해 더 광범위하고 풍부한 분자 양식과 고분자, 단백질과 같은 다양한 생화학적 영역에 적용될 수 있을 것으로 기대된다.

예종철 카이스트 교수는 “새로운 화합물의 생성과 화합물의 특성 예측 기술을 통합하는 새로운 생성형 AI 기술의 개척을 통해 AI 기술의 저변을 넓힌 것에 자부심을 느낀다”고 말했다.

이번 연구 결과는 국제 학술지 ‘네이처 커뮤니케이션즈’의 지난 3월 13일자 온라인판에 게재됐다.