KAIST, 화학자 같은 인공지능 개발..유기반응 90% 정확도 예측

김준호 2022. 10. 4. 13:00
자동요약 기사 제목과 주요 문장을 기반으로 자동요약한 결과입니다.
전체 맥락을 이해하기 위해서는 본문 보기를 권장합니다.

한국과학기술원(KAIST)은 생명화학공학과 정유성 교수 연구팀이 화학자처럼 생각하면서 유기반응 결과를 정확하게 예측하는 인공지능(AI)을 개발했다고 4일 밝혔다.

연구팀은 화학반응 데이터베이스(DB)에서 일반화된 화학 반응 규칙(GRT)을 도출한 뒤 '그래프 신경망'(GNN)을 사용해 화학 반응 결과를 예측하는 '로컬 트랜스폼'(Local Transform)을 개발했다.

음성재생 설정
번역beta Translated by kaka i
글자크기 설정 파란원을 좌우로 움직이시면 글자크기가 변경 됩니다.

이 글자크기로 변경됩니다.

(예시) 가장 빠른 뉴스가 있고 다양한 정보, 쌍방향 소통이 숨쉬는 다음뉴스를 만나보세요. 다음뉴스는 국내외 주요이슈와 실시간 속보, 문화생활 및 다양한 분야의 뉴스를 입체적으로 전달하고 있습니다.

화학반응 데이터 학습..물질 개발 시간·비용 절감 기대
개발된 화학반응 예측모델 모식도 [한국과학기술원(KAIST) 제공. 재판매 및 DB 금지]

(대전=연합뉴스) 김준호 기자 = 한국과학기술원(KAIST)은 생명화학공학과 정유성 교수 연구팀이 화학자처럼 생각하면서 유기반응 결과를 정확하게 예측하는 인공지능(AI)을 개발했다고 4일 밝혔다.

일반적으로 화학자들은 반응물을 본 뒤 유기 화학반응 결과를 예측해 약물·유기발광다이오드(OLED) 등과 같이 원하는 물성을 갖는 분자를 합성한다.

연구팀은 화학반응 데이터베이스(DB)에서 일반화된 화학 반응 규칙(GRT)을 도출한 뒤 '그래프 신경망'(GNN)을 사용해 화학 반응 결과를 예측하는 '로컬 트랜스폼'(Local Transform)을 개발했다.

로컬 트랜스폼은 화학자들의 화학 반응 분석 방식을 모방해 유기 화학 반응성을 학습하는 인공 신경망 모델이다.

연구팀은 제공된 화학 반응 데이터에서 GRT를 추출한 다음 GNN 기반 모델인 로컬 트랜스폼이 최적의 GRT를 선택하도록 훈련했다.

로컬 트랜스폼은 화학반응에서 널리 사용되는 미국 특허상표청(USPTO) 데이터를 이용해 유기 반응을 90% 이상 정확도로 예측하는 데 성공했다.

연구팀 관계자는 "화학자가 생각하는 방법과 같게 신경망을 설계하는 전략이 더 우수한 성능을 보인다"며 "실험을 통해 화학반응 생성물을 직접 확인하는 것보다 이 모델을 활용하면 분자 설계 과정이 비약적으로 빨라지고, 비용도 절감될 것"이라고 말했다.

kjunho@yna.co.kr

▶제보는 카톡 okjebo

Copyright © 연합뉴스. 무단전재 -재배포, AI 학습 및 활용 금지

이 기사에 대해 어떻게 생각하시나요?