AI 지원 화학 합성을 위한 집단 지능을 활용하는 새로운 계산 프레임워크인 MOSAIC이 실험적 검증에서 71%의 성공률을 달성하여 다양한 분야에서 35개 이상의 새로운 화합물을 구현했습니다. Nature에 발표된 이 연구는 MOSAIC(AI 지원 화학 예측을 위한 다중 최적화 전문가)이 Llama-3.1-8B-instruct 아키텍처를 활용하여 Voronoi 클러스터링된 공간 내에서 2,498명의 전문 화학 전문가를 훈련시켜 복잡한 합성에 대한 신뢰도 지표와 함께 재현 가능하고 실행 가능한 실험 프로토콜을 생성하는 방법을 자세히 설명합니다.

이 시스템은 특히 연간 보고되는 수십만 건의 새로운 화학 반응을 포함하여 과학 문헌의 기하급수적인 증가를 실제 실험으로 변환하는 데 있어 점점 더 커지는 문제점을 해결합니다. 연구원들은 수백만 개의 반응 프로토콜에 내장된 집단 지식을 활용하여 화학 합성의 병목 현상에 대한 해결책을 제공하기 위해 MOSAIC을 개발했습니다. 합성된 새로운 화합물은 의약품, 재료, 농약 및 화장품에 걸쳐 있어 프레임워크의 광범위한 적용 가능성을 보여줍니다.

MOSAIC의 아키텍처는 화학 응용 분야에서 유망한 결과를 보여준 대규모 언어 모델(LLM)의 최근 발전을 기반으로 합니다. 그러나 이전 시스템은 de novo 화합물에 걸쳐 다양한 변환을 안정적으로 처리하는 데 어려움을 겪었습니다. MOSAIC은 개별 AI 모델이 화학 공간의 특정 영역에서 훈련되는 전문 전문가 접근 방식을 채택하여 이러한 제한을 극복합니다. 이를 통해 보다 정확하고 신뢰할 수 있는 예측이 가능해 궁극적으로 실험실에서 더 높은 성공률을 달성할 수 있습니다.

이 기술의 영향은 실험실을 넘어 다양한 산업에 잠재적으로 영향을 미칩니다. 새로운 화합물의 발견 및 합성을 가속화함으로써 MOSAIC은 새로운 약물, 첨단 재료 및 보다 지속 가능한 농산물의 더 빠른 개발로 이어질 수 있습니다. 재현 가능한 실험 프로토콜을 제공하는 프레임워크의 능력은 또한 화학 연구의 신뢰성과 효율성을 향상시킵니다.

MOSAIC의 개발은 AI를 화학 합성에 적용하는 데 있어 중요한 진전을 나타냅니다. AI 모델이 계속 발전하고 컴퓨팅 리소스에 대한 접근성이 높아짐에 따라 이러한 시스템은 과학적 발견과 혁신을 가속화하는 데 점점 더 중요한 역할을 할 가능성이 높습니다. 향후 연구는 MOSAIC의 범위를 확장하여 더 광범위한 화학 반응을 포괄하고 추가 데이터 소스를 통합하여 정확성과 신뢰성을 더욱 향상시키는 데 초점을 맞출 수 있습니다.