스스로 전자 수준 정보를 학습해 물성을 예측할 수 있는 AI 인공지능 기술이 개발됐습니다.

한국화학연구원 나경석 선임연구원과 한국과학기술원(KAIST) 박찬영 교수 공동 연구팀은 고비용의 양자역학 계산 없이도 분자의 전자 수준 정보에 기반해 물성을 정밀하게 예측할 수 있는 '자기지도 확산 모델 기반 분자 표현학습 기술'
을 개발했다고 15일 밝혔습니다.

전자 수준 정보는 물질의 특성을 기술하는 가장 근원적인 정보로, 주로 양자역학 계산을 통해 얻을 수 있습니다.

다만 전자 수준 정보를 얻는 데 드는 비용이 막대해, 대부분의 분자 특성 예측 AI는 신물질 탐색에 원자 수준의 정보를 활용하는 실정입니다.

연구팀은 소규모 분자에 대한 양자역학 계산 결과를 조합해 실세계의 복잡한 분자에 대한 양자역학 계산 결과를 추론할 수 있는 AI 기술을 개발했습니다.

사람의 개입 없이 AI가 주어진 문제에 대한 정답을 추론하며 스스로 학습을 수행해나가는 AI 학습 방법론인 '자기지도학습' 방식이 적용됐습니다.

복잡한 분자를 화학적으로 유효한 부분 구조로 분해하고, 이 부분 구조들의 전자 특성 정보를 양자화학 데이터베이스에서 가져와 복잡한 분자의 전자 특성을 추정하는 방식입니다.

고비용의 양자역학 계산 없이도 10밀리초(ms·1천분의 1초) 내에 전체 분자의 특성을 예측할 수 있습니다.

연구팀은 실제 물리화학, 독성, 약학, 광학 분야에서 수집된 2만9천711건의 실험 분자 데이터에 적용해 최고 수준의 예측 정확도를 달성했습니다.

유기발광다이오드(OLED)·태양전지 재료 설계 등에 활용되는 '광학 특성 예측 문제'(CH-DC, CH-AC)에서 기존 AI 모델 예측 정확도(31∼44%)의 두 배가 넘는 88%를 달성했습니다.

한국화학연구원 나경석 선임연구원은 "산업계에서 활용할 수 있는 수준까지 기술 개발을 완료했으며, 반도체, 디스플레이, 의약 분야등 신물질 개발에 활용할 수 있을 것이다"라며 기대감을 밝혔습니다.



TJB 대전방송