카이스트(총장 이광형)는 생명화학공학과 정유성 교수 연구팀이 화학자처럼 생각해 결과를 도출하는 인공지능을 개발했다고 4일 밝혔다. 관련 논문은 네이처 머신 인텔리전스 9월호의 표지 논문으로 선정되기도 했다.
정 교수팀의 연구 결과가 주목받은 이유는 유기 화합물을 다루는 화학자의 공통적인 문제를 기존과 다른 방식으로 해결했기 때문이다. 기존의 방식은 반응물과 생성물을 서로 다른 두 개의 언어로 생각하고 한 언어에서 다른 언어로 번역하는 언어 번역 모델을 사용하는 방법에 집중하고 있다.
그러나 이렇게 화학반응의 생성물을 직접 확인하는 작업은 시간과 비용이 많이 소모된다. 게다가 유기 화학 반응은 같은 반응물에서 다양한 생성물이 생길 수 있어 숙련된 유기 화학자라도 모든 화학반응을 정확하게 예측하지 못한다.
정 교수는 해당 인공지능이 “유기 화학 반응의 결과를 기존의 방식보다 더 정확하게 예측할 뿐만 아니라 결과 도출 과정을 분명히 알 수 있기 때문에 결과 신뢰성을 높였다”고 설명했다.
정 교수는 또 “해당 방식이 유기 화학자 10명이 반응식을 풀어 예측하는 것보다 더 빠르고 정확한 결과가 나왔다”고 말하며 이와 같은 비교는 2019년 ‘케미컬 사이언스’에 게재된 ‘화학 반응성 예측을 위한 그래프-컨볼루션 신경망 모델’이라는 논문을 참고해 진행했다고 밝혔다.
정 교수팀은 화학자가 반응 결과를 예측하는 방법에서 아이디어를 얻었다. 화학자는 주반응을 파악하고 화학반응 규칙을 적용해 가능한 생성물을 예측하는데 이 과정을 본떠서 공개 화학반응 데이터베이스로부터 화학반응 규칙을 도출했다.
이 규칙을 바탕으로 분자의 화학 반응성을 예측하기 위해서, 분자를 그래프로 취급하는 그래프 신경망(GNN) 모델을 개발한 것. 이 모델에 반응물들을 넣으면 화학반응 규칙과 주반응을 식별해 생성물을 성공적으로 예측할 수 있다는 게 정 교수팀의 설명이다.
정 교수팀은 미국 특허무역청(USPTO) 데이터를 이용해 유기 반응을 90% 이상의 정확도로 예측하는 데 성공했다. 또한 불확실성이 낮다고 간주되는 모델의 정확도는 98.6%로 증가한다.
이번 연구의 성공으로 연구팀은 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.
한편 이번 연구는 산업통상자원부와 한국연구재단의 지원을 받아 수행됐으며, KAIST 생명화학공학과 첸수안 박사과정이 제1저자로 참여했다.
이성관 기자 busylife12@aitimes.com
[관련 기사] KAIST, 27일 코엑스서 '2022 테크페어' 개최
[관련 기사] KAIST, 전시품 내부까지 볼 수 있는 AR 기술 소개
[관련 기사] "우주연구 정밀하게"...KAIST, 우주-지상 초정밀·초안정 통신기술 개발
