다중 최적화된 AI 지원 화학 예측 전문가(Multiple Optimized Specialists for AI-assisted Chemical Prediction)를 의미하는 새로운 인공지능 프레임워크인 MOSAIC은 화학자들이 방대한 화학 반응 지식 풀을 활용하여 새로운 화합물 발견을 가속화할 수 있도록 지원합니다. 연구진은 매년 보고되는 수십만 건의 새로운 화학 반응을 선별하여 실제 실험으로 옮기는 데 어려움을 겪는 문제점을 해결하기 위해 이 시스템을 개발했습니다.
Nature에 발표된 연구에 따르면 Llama-3.1-8B-instruct 아키텍처를 기반으로 구축된 MOSAIC은 Voronoi 클러스터링 공간 내에서 훈련된 2,498개의 전문 AI "전문가" 네트워크를 사용합니다. 이 접근 방식을 통해 이 시스템은 복잡한 화학 합성에 대한 재현 가능하고 실행 가능한 실험 프로토콜을 신뢰도 지표와 함께 생성할 수 있습니다. 이 시스템은 실험적 검증에서 71%의 성공률을 달성하여 제약, 재료 과학, 농약 및 화장품에 적용 가능한 35개 이상의 새로운 화합물을 만들었습니다.
MOSAIC의 개발은 화학 연구의 중요한 병목 현상을 해결합니다. 방대한 양의 과학 문헌으로 인해 화학자들이 유망한 새로운 반응을 식별하고 구현하는 것이 점점 더 어려워지고 있습니다. 대규모 언어 모델(LLM)은 이 분야에서 잠재력을 보여주었지만 다양한 변환 및 새로운 화합물에서 안정적으로 작동하는 시스템을 만드는 것은 어려운 일이었습니다. MOSAIC은 수백만 개의 반응 프로토콜의 집단 지성을 활용하여 이를 극복합니다.
MOSAIC 내의 AI 전문가는 화학 공간을 고유한 영역으로 나누는 기술인 Voronoi 클러스터링을 기반으로 전문화됩니다. 이를 통해 각 전문가는 특정 화학 영역에 집중하여 시스템의 전반적인 정확성과 효율성을 향상시킬 수 있습니다. 연구 저자들은 "이러한 전문 전문가를 만듦으로써 단일 범용 AI 모델로는 불가능한 훨씬 더 광범위한 지식을 활용할 수 있습니다."라고 언급했습니다.
MOSAIC의 의미는 단순히 화학 물질 발견을 가속화하는 것 이상으로 확장됩니다. 자세하고 실행 가능한 프로토콜을 제공함으로써 이 시스템은 화학 연구의 재현성을 향상시키는 데에도 도움이 될 수 있습니다. 많은 발표된 연구가 쉽게 복제될 수 없기 때문에 이는 과학계에서 점점 더 커지는 문제입니다. MOSAIC의 신뢰도 지표는 또한 화학자에게 귀중한 정보를 제공하여 가장 유망한 반응의 우선 순위를 지정할 수 있도록 합니다.
연구진은 MOSAIC을 학계 및 산업계 화학자 모두가 사용할 수 있는 도구로 구상하고 있습니다. 이 도구는 신약 개발, 재료 설계 및 기타 화학 연구 분야의 프로세스를 간소화할 수 있는 잠재력을 가지고 있습니다. 현재 연구팀은 시스템의 기능을 확장하고 새로운 응용 분야를 탐색하는 데 주력하고 있습니다. 향후 개발에는 추가 데이터 소스 통합, 신뢰도 지표 정확도 향상, 시스템을 시각화하고 상호 작용하는 새로운 방법 개발이 포함될 수 있습니다.
Discussion
대화에 참여하세요
첫 댓글을 남겨보세요