국내 연구진이 고비용의 양자역학 계산을 대체할 수 있는 생성형 인공지능(AI)을 개발해 신물질 탐색의 효율성을 획기적으로 높였다.
한국화학연구원 나경석 선임연구팀과 KAIST 박찬영 교수 공동연구팀은 양자역학 계산 없이도 분자의 전자 수준 정보를 스스로 학습하고, 이를 통해 분자의 다양한 특성을 정밀하게 예측하는 자기지도 확산 모델 기반의 분자 표현학습 기술 ‘DELID’를 개발했다고 15일 밝혔다.
이번에 개발된 DELID 기술은 기존 방식에서 문제가 됐던 막대한 양자역학 계산 비용을 최소화하면서도 정확도는 세계 최고 수준으로 끌어올렸다. 기존 AI 기술은 원자 수준 정보만을 기반으로 예측해 한계가 뚜렷했고, 전자 수준 정보까지 활용한 예측은 양자역학적 비용이 너무 커 산업계 적용이 사실상 어려웠다.
연구팀은 이를 해결하기 위해 소규모 분자의 저비용 양자역학 계산 결과를 데이터베이스화하고, 복잡한 분자를 여러 유효한 부분 구조로 나눠 이들의 전자 특성 정보로부터 전체 분자의 전자 특성을 추론하도록 DELID를 설계했다. 이 과정을 통해 대규모 양자역학 계산 없이도 정밀한 물성 예측을 가능케 했다.
연구 결과 DELID는 약 3만 건의 실제 실험 데이터에 적용했을 때 물리·독성·광학 특성을 예측하는 문제에서 기존 세계 최고 수준 AI 모델 대비 2배 이상 높은 88%의 정확도를 기록하며 우수성을 입증했다.
연구팀은 이 기술이 이미 산업 현장에 적용 가능한 단계까지 도달했다고 평가했다. 향후 반도체, 디스플레이, 의약 등 국가 핵심산업 분야의 신물질 개발을 크게 촉진할 것으로 기대된다.
