화학연, AI 활용해 저비용 ‘물성 정밀 예측법’ 개발
||2025.06.15
기존 양자역학 계산비 절감 효과
국내 연구진이 양자역학 계산에 드는 비용을 인공지능(AI)을 활용해 저비용으로 처리할 수 있는 기술을 개발했다.
한국화학연구원(원장 이영국, 이하 화학연)은 13일 나경석 선임 연구팀과 박찬영 KAIST(총장 이광형) 교수 공동 연구팀은 분자의 전자 수준 정보에 기반해 물성을 정밀하게 예측할 수 있는 ‘자기지도 확산 모델 기반 분자 표현학습 기술(DELID)’을 개발했다고 밝혔다.
화학연은 “이 기술은 약 3만 건의 실험 데이터를 기반으로 하는 실제 분자 예측에서 세계 최고 수준의 예측 정확도를 달성했다”고 설명했다.
화학연에 따르면 기존 계산과학 방법론과 AI는 양자역학 계산에 드는 막대한 비용으로 인해 물질의 특성을 결정하는 가장 근원적인 정보 중 하나인 전자 수준 정보를 신물질 탐색에 활용할 수 없는 문제가 있었다.
대부분의 분자 특성 예측 AI는 원자 수준의 정보만을 활용해 예측 정확도에 한계가 있다. 전자 수준 정보 기반의 예측 모델은 계산 비용이 커 실제 산업계의 복잡한 분자에는 적용이 어려웠다.
연구팀은 저비용의 양자역학 계산이 가능한 소규모 분자의 전자 특성들을 조합해 실제 복잡한 분자의 전자 특성을 추론하는 새로운 AI 방법론 ‘DELID’를 개발했다.
DELID는 복잡한 분자를 화학적으로 유효한 부분 구조로 분해한다. 이 부분 구조들의 전자 특성 정보를 양자화학 데이터베이스에서 가져와 복잡한 분자의 전자 특성을 추론하기 위한 자기지도 학습에 활용한다. 이를 통해 복잡한 분자에 대한 고비용의 양자역학 계산 없이 전체 분자의 특성을 예측하는 자기지도 학습 AI를 구현했다.
해당 방식은 복잡한 분자에 대한 양자역학 계산을 직접 하지 않고도 전자 정보를 추론할 수 있도록 고안했다. 양자컴퓨터가 필요한 수준의 막대한 양자역학 계산 없이도 전자 수준 특성을 반영한 물성 예측이 가능하다.
DELID는 약 3만 건의 실험 데이터에 대한 분자의 물리, 독성, 광학 등의 성질을 예측하는 문제에서 최고 수준의 예측 정확도를 달성했다.
연구팀은 DELID를 산업계에서 활용할 수 있는 수준까지 기술 개발을 완료했다고 강조했다. 이에 따라 향후 국가핵심산업인 반도체, 디스플레이, 의약 등의 분야에 대한 신물질 개발 연구에 DELID의 활용을 기대하고 있다.
이번 연구 성과는 인공지능 분야 3대 학술대회인 국제학습표현 콘퍼런스(ICLR)에서 지난 4월 논문으로 발표했다.
©(주) 데일리안 무단전재 및 재배포 금지
1
3
4
5
