(왼쪽부터) 화학연 나경석 선임 (1저자, 교신저자), KAIST 박찬영 교수 (교신저자)
국내 연구진이 양자역학 계산에 드는 막대한 비용 없이 전자 수준 정보를 스스로 학습하여 분자 특성을 예측하는 인공지능(AI) 기술을 개발했다.

한국화학연구원(원장 이영국) 나경석 선임 연구팀과 KAIST(총장 이광형) 박찬영 교수 공동 연구팀은 고비용의 양자역학 계산 없이, 분자의 전자 수준 정보에 기반해 물성을 정밀하게 예측할 수 있는 ‘자기지도 확산 모델 기반 분자 표현학습 기술(DELID)’을 개발했다.

이 기술은 약 3만 건의 실험 데이터를 기반으로 하는 실제 분자 예측에서 세계 최고 수준의 예측 정확도를 달성했다.

기존의 계산과학 방법론과 AI는 양자역학 계산에 드는 막대한 비용으로 인해 물질의 특성을 결정하는 가장 근원적인 정보 중 하나인 전자 수준 정보를 신물질 탐색에 활용할 수 없는 문제가 있었다. 대부분의 분자 특성 예측 AI는 원자 수준의 정보만을 활용해 예측 정확도에 한계가 있었고, 전자 수준 정보 기반의 예측 모델은 계산 비용이 높아 실제 산업계의 복잡한 분자에는 적용이 어려웠던 것이다.

연구팀이 개발한 인공지능 방법론의 구조 모식도

연구팀은 저비용의 양자역학 계산이 가능한 소규모 분자의 전자 특성들을 조합하여 실제 복잡한 분자의 전자 특성을 추론하는 새로운 AI 방법론 DELID를 개발했다.

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 고안되어, 양자컴퓨터가 필요한 수준의 막대한 양자역학 계산 없이도 전자 수준 특성을 반영한 물성 예측이 가능하다. DELID는 약 3만 건의 실험 데이터에 대한 분자의 물리, 독성, 광학 등의 성질을 예측하는 문제에서 최고 수준의 예측 정확도를 달성했다.

다양한 예측 유형들 중에서 ‘광학 특성 예측 문제(CH-DC, CH-AC)’는 OLED·태양전지 재료 설계 등에 활용되는데, 세계 최고 수준 AI 모델마저 31~44%의 낮은 예측 정확도를 보이는 어려운 문제이다. 그런데 DELID는 88%의 정확도를 달성하여, 기존 세계 최고 수준 AI 모델들의 정확도 보다 2배 이상 향상된 성능을 나타냈다.

약 3만 건의 실험 데이터에 대한 분자 특성 예측 정확도

연구팀은 DELID를 산업계에서 활용할 수 있는 수준까지 기술 개발을 완료하였다. 향후 국가핵심산업인 반도체, 디스플레이, 의약 등의 분야에 대한 신물질 개발 연구에 DELID의 활용을 기대하고 있다.

연구팀은 “DELID는 고비용의 계산 없이도 전자 특성을 반영한 분자 물성 예측이 가능해 기존 AI의 한계를 넘어선 의미 있는 기술”이라고 말했고, 화학연 이영국 원장은 “DELID는 신약 개발, 독성평가, 광전자소자 개발 등 실제 화학 분야에서 활용도가 매우 높을 것”이라며, “화학 산업에서의 AI 실용화에 기여할 것으로 기대된다.”라고 밝혔다.

한편, 나경석 선임연구원(교신저자/1저자, 화학연), 박찬영 교수(교신저자, KAIST)가 참여한 이번 연구 성과는 지난 4월 인공지능 분야 3대 학술대회인 국제학습표현 컨퍼런스(ICLR 2025)에서 '전자 인식을 고려한 분자 표현 학습을 위한 자기지도 확산 모델(Self-Supervised Diffusion Models for Electron-Aware Molecular Representation Learning-다운)'란 제목으로 발표되었다.

▷ 원문보기 : https://www.aitimes.kr/news/articleView.html?idxno=35229