카이스트, 유기반응 예측하는 '화학자' 인공지능 개발

핵심요약

화학반응 데이터베이스에서 화학 반응 규칙 도출한 뒤 화학 반응 결과 예측하는 로컬 트랜스폼 개발
미국 특허상표청(USPTO) 데이터 이용해 유기 반응을 90% 이상 정확도로 예측하는데 성공

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

일반적으로 유기화학자들은 반응물을 본 뒤 유기 화학반응 결과를 예상해 약물이나 유기발광다이오드(OLED) 등과 같이 원하는 물성을 갖는 분자를 합성한다.

하지만 실험을 통한 확인은 시간과 비용이 많이 드는 데다 유기 화학 반응은 같은 반응물에서 다양한 생성물이 생길 수 있어 숙련된 유기 화학자라도 모든 화학반응을 정확하게 예측하지 못한다.

이에 따라 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.

연구팀은 "화학자가 생각하는 방법과 같게 신경망을 설계하는 전략이 더 우수한 성능을 보인다"며 "이번 연구를 활용하면 분자 설계 과정이 비약적으로 빨라지고, 새로운 화합물 개발에 실용적인 응용을 할 수 있을 것이라고 기대하고 있다"고 말했다.

※CBS노컷뉴스는 여러분의 제보로 함께 세상을 바꿉니다. 각종 비리와 부당대우, 사건사고와 미담 등 모든 얘깃거리를 알려주세요.

CBS노컷뉴스 조근호 기자 chokeunho21@cbs.co.kr

▶ 기자와 카톡 채팅하기▶ 노컷뉴스 영상 구독하기

경제