새로운 인공지능 프레임워크인 MOSAIC(AI 지원 화학 예측을 위한 다중 최적화 전문가, Multiple Optimized Specialists for AI-assisted Chemical Prediction)은 화학자들이 방대한 화학 반응 지식 저장소를 활용하여 새로운 화합물의 발견과 합성을 가속화할 수 있도록 지원합니다. 연구진은 매년 수십만 건의 새로운 화학 반응이 보고되는 과학 문헌의 기하급수적인 증가 속에서 정보를 선별해야 하는 과제를 해결하기 위해 이 시스템을 개발했습니다.

Nature 저널에 발표된 연구에 따르면 Llama-3.1-8B-instruct 아키텍처를 기반으로 구축된 MOSAIC은 Voronoi 클러스터 공간 내에서 2,498명의 전문 AI "전문가"를 훈련시키는 독특한 접근 방식을 사용합니다. 이러한 전문화를 통해 시스템은 복잡한 합성에 대한 신뢰도 지표를 포함한 재현 가능하고 실행 가능한 실험 프로토콜을 생성할 수 있습니다. 이 시스템은 실험 검증에서 71%의 전체 성공률을 달성하여 제약, 재료 과학, 농약 및 화장품에 적용 가능한 35개 이상의 새로운 화합물을 만들었습니다.

MOSAIC 개발은 화학 연구의 중요한 병목 현상인 발표된 반응을 실제 실험으로 변환하는 문제를 해결합니다. 연구 저자들은 "방대한 양의 과학 문헌으로 인해 화학자들이 최신 개발 동향을 파악하고 연구에 유망한 반응을 식별하는 것이 점점 더 어려워지고 있습니다."라고 언급했습니다. 대규모 언어 모델(LLM)은 이 분야에서 가능성을 보여주었지만, 지금까지 de novo 화합물에 걸쳐 다양한 변환에 대해 안정적으로 작동하는 시스템은 부족했습니다.

"집단 지능"이라는 AI 개념은 MOSAIC 설계의 핵심입니다. 화학 반응의 특정 영역에 초점을 맞춘 수많은 전문 AI 에이전트를 훈련함으로써 시스템은 이러한 전문가의 결합된 지식을 활용하여 합성 경로를 예측하고 최적화할 수 있습니다. 이 접근 방식은 인간 전문가가 복잡한 문제를 해결하기 위해 협력하고 지식을 공유하는 방식을 반영합니다. Voronoi 클러스터링 기술은 유사한 반응을 함께 그룹화하여 이러한 집단 지능을 더욱 향상시켜 AI 에이전트가 관련 데이터로부터 보다 효과적으로 학습할 수 있도록 합니다.

MOSAIC이 사회에 미치는 영향은 잠재적으로 광범위합니다. 새로운 화합물의 발견과 합성을 가속화함으로써 시스템은 의학, 재료 과학 및 기타 분야의 발전에 기여할 수 있습니다. 예를 들어, 새로운 의약품을 신속하게 합성하는 능력은 질병에 대한 보다 효과적인 치료법으로 이어질 수 있습니다. 마찬가지로, 향상된 특성을 가진 새로운 재료의 발견은 전자 제품에서 항공 우주에 이르기까지 다양한 산업 분야에서 혁신을 주도할 수 있습니다.

연구진은 MOSAIC이 인간 화학자를 대체하기 위한 것이 아니라 오히려 그들의 능력을 강화하기 위한 것이라고 강조합니다. 연구 저자들은 "우리의 목표는 화학자들이 광대한 화학 공간을 보다 효율적이고 효과적으로 탐색하는 데 도움이 되는 강력한 도구를 제공하는 것입니다."라고 밝혔습니다. 이 시스템은 화학자들이 자신의 전문 지식과 직관을 바탕으로 개선하고 최적화할 수 있는 실험 프로토콜을 생성하도록 설계되었습니다.

연구팀의 다음 단계는 MOSAIC에 대한 훈련 데이터를 확장하고 AI 에이전트에 대한 새로운 아키텍처를 탐색하는 것입니다. 또한 화학자들이 MOSAIC을 기존 워크플로에 쉽게 통합할 수 있도록 하는 도구를 개발할 계획입니다. 궁극적인 목표는 과학적 발견과 혁신의 속도를 가속화할 수 있는 포괄적인 AI 지원 화학 합성 플랫폼을 만드는 것입니다.