국내 연구진이 고비용의 양자역학 계산 없이 분자의 전자 수준 정보를 학습해 물성을 예측하는 인공지능 기술을 개발했습니다.


한국화학연구원 나경석 선임 연구팀과 KAIST 박찬영 교수 연구팀은 ‘자기지도 확산 모델 기반 분자 표현학습 기술’, DELID를 개발했다고 밝혔습니다.


기존의 계산과학 방법론과 AI는 원자 수준 정보만 활용해 예측 정확도에 한계가 있었습니다. 전자 수준 정보를 활용한 기존 방식은 계산 비용이 높아 복잡한 분자에 적용하기 어려웠습니다.


연구팀은 소규모 분자의 전자 특성을 조합해, 복잡한 분자의 전자 특성을 추론하는 새로운 AI 방법론인 DELID를 개발했습니다.


DELID는 복잡한 분자를 화학적으로 유효한 부분 구조로 분해합니다.


각 구조의 전자 특성은 양자화학 데이터베이스에서 불러옵니다.

이를 바탕으로 자기지도 학습을 통해 전체 분자의 특성을 예측합니다.

복잡한 분자에 대한 직접적인 양자역학 계산 없이도 전자 정보를 추론할 수 있습니다.

양자컴퓨터 수준의 계산 없이 전자 특성을 반영한 물성 예측이 가능합니다.

DELID는 3만 건의 실험 데이터에서 분자의 물리, 독성, 광학 특성을 예측했습니다. 최고 수준의 예측 정확도를 기록했다고 연구팀은 밝혔습니다.

특히 OLED와 태양전지 재료 설계 등에 쓰이는 광학 특성 예측 문제(CH-DC, CH-AC)에서 높은 성능을 보였습니다.

기존 AI는 31~44% 수준이었지만, DELID는 88%의 정확도를 달성했습니다. 기존 최고 수준 AI보다 2배 이상 향상된 성능을 나타냈습니다.

연구팀은 DELID가 산업계에서 바로 활용 가능한 수준까지 개발을 마쳤다고 밝혔습니다.

향후 국가핵심산업인 반도체, 디스플레이, 의약 등 신물질 개발 분야에 활용될 것을 기대하고 있습니다.

연구진은 DELID가 기존 AI의 한계를 넘어선 기술이라고 설명했습니다.

화학연 이영국 원장은 "신약 개발, 독성평가, 광전자소자 개발 등에 DELID가 높은 활용도를 보일 것"이라며 "화학 산업에서의 AI실용화에 기여할 것으로 기대된다"고 밝혔습니다.

이번 연구 성과는 인공지능 분야 3대 학술대회인 '국제학습표현 컨퍼러스(ICLR)'에서 2025년 4월 논문으로 발표됐습니다.

또 연구는 한국화학연구원과 산업통상자원부, 한국연구재단, 과학기술정보통신부의 지원을 받아 수행됐습니다.

TJB 대전방송