연구팀이 개발한 AI 방법론 구조 모식도
국내 연구진이 막대한 양자역학 계산 비용 없이 전자 수준 정보를 스스로 학습, 분자 특성을 예측하는 인공지능(AI) 기술을 개발했다.
한국화학연구원(원장 이영국)은 나경석 선임 연구원팀이 박찬영 한국과학기술원(KAIST·총장 이광형) 교수팀과 이와 같은 '자기지도 확산 모델 기반 분자 표현학습 기술(DELID)'을 개발했다고 15일 밝혔다.
약 3만 건 실험 데이터를 기반으로 하는 실제 분자 예측에서 세계 최고 수준 예측 정확도를 달성했다.
기존 계산과학 방법론·AI는 양자역학 계산에 드는 막대한 비용 탓에, 물질 특성을 결정하는 가장 근원적인 정보 중 하나인 '전자 수준 정보'를 신물질 탐색에 활용할 수 없었다.
연구팀은 저비용 양자역학 계산이 가능한 소규모 분자 전자 특성들을 조합, 실제 복잡한 분자의 전자 특성을 추론하는 DELID를 개발했다.
DELID는 복잡한 분자를 부분 구조로 분해하고, 전자 특성 정보를 양자화학 데이터베이스(DB)에서 가져와 자기지도 학습에 활용한다. 이로써 고비용 양자역학 계산 없이 전체 분자 특성을 예측하는 자기지도 학습 AI를 구현했다.
이 방식은 복잡한 분자에 대한 양자역학 계산을 직접 수행하지 않고도 전자 정보를 추론할 수 있도록 고안돼, 양자컴퓨터가 필요한 막대한 양자역학 계산 없이도 전자 수준 특성 물성 예측이 가능하다.
DELID는 약 3만 건 실험 데이터에 대한 분자 물리·독성·광학 등 성질 예측 문제에서 최고 수준 예측 정확도를 달성했다.
OLED·태양전지 재료 설계 등에 활용되는 '광학 특성 예측 문제(CH-DC, CH-AC)'는 세계 최고 수준 AI 모델도 31~44%의 낮은 예측 정확도를 보이는데, DELID는 88% 정확도를 달성했다. 기존 세계 최고 수준 AI 모델들의 정확도 역시 2배 이상 향상됐다.
연구팀은 DELID를 산업계 활용 가능 수준까지 기술 개발을 완료했다. 향후 반도체, 디스플레이, 의약 등 분야 신물질 개발 연구에 DELID 활용을 기대하고 있다.
이영국 원장은 “DELID는 신약 개발, 독성평가, 광전자소자 개발 등 실제 화학 분야에서 활용도가 매우 높을 것”이라며 “화학 산업 AI 실용화에 기여할 것”이라고 밝혔다.
이번 연구 성과는 AI 분야 3대 학술대회인 국제학습표현 컨퍼런스(ICLR)에서 4월 논문으로 발표됐다. 화학연과 산업통상자원부, 한국연구재단 및 과학기술정보통신부 지원을 받아 수행됐다.
김영준 기자 kyj85@etnews.com
Copyright © 전자신문. 무단전재 및 재배포 금지.
매주 일요일 밤 0시에 랭킹을 초기화합니다.