연구팀은 화학 특성값의 집합을 분자를 표현하는 데이터 형식으로 간주해 분자 구조 표현식과의 상관관계를 학습하는 AI학습 모델을 제안했다. 이는 분자 표현식 학습에 컴퓨터 비전 분야에서 주로 연구된 다중 모달리티 학습 기법을 도입해 다른 형식의 두 데이터를 통합하는 방식이다.

이를 통해 연구팀은 원하는 화합물의 성질을 만족하는 새로운 화합물의 구조를 생성 혹은 주어진 화합물의 성질을 예측하는 생성 및 성질 특성이 동시에 가능한 모델을 개발했다.

연구팀이 제안한 모델은 50가지 이상 동시에 주어지는 특성값 입력을 따르는 분자 구조를 예측하는 등 분자의 구조와 특성 모두의 이해를 요구하는 과제를 해결하는 능력을 보였다. 또 두 데이터 정보 공유를 통해 화학반응 예측 및 독성 예측과 같은 다양한 문제에도 기존의 인공지능 기술을 뛰어넘는 성능을 보이는 것도 확인했다.

연구팀은 독성 예측, 후보물질 탐색과 같이 많은 산업계에서 중요하게 다뤄지는 과제를 포함해 다양한 생화학적 영역에 적용될 수 있을 것으로 기대했다.

예종철 교수는 "새로운 화합물의 생성과 화합물의 특성 예측 기술을 통합하는 생성 AI기술을 통해 생성 AI 기술의 저변을 넓힌 것에 자부심을 갖는다"고 말했다.

이번 연구 결과는 국제학술지 '네이처커뮤니케이션즈(Nature Communications)'에 지난 3월 14일 온라인판에 게재됐다.

[참고자료]
논문명 : Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model.