• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 인터뷰
  • 인사•부음
  • 글로벌뉴스
인공지능
배터리
양자컴퓨팅
컨퍼런스
칼럼•연재
포토•영상

ZDNet 검색 페이지

'분자 생성 AI'통합검색 결과 입니다. (2건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

"분자 생성 AI로 신약 개발 효율을 15배 높였어요"

꿈은 삶의 이정표이자 동력이다. 꿈은 곧 미래의 삶이다. 꿈은 그래서 소중하다. 꿈은 사람마다 다르고 다른 만큼 다채롭다. 스타트업이 꾸는 꿈도 그럴 것이다. 소중하고 다채롭다. '이균성의 스타트업 스토리'는 누군가의 꿈 이야기다. 꿈꾸는 사람이 자신의 이야기를 들려주고 다른 꿈꾸는 사람을 소개하는 릴레이 형식으로 진행된다. [편집자주] “분자 생성 AI로 신약 개발 효율을 15배 높였어요” 발견과 발명은 반복되는 시행착오 끝에 얻어지는 성과다. 신약 개발도 그러하다. 한 논문에 따르면 보통 신약 하나를 개발하는 데는 10여년이 걸린다. 여기에 드는 비용도 평균 3조원에 육박하는 것으로 알려졌다. 신약 개발 기간이 길고 비용이 많이 드는 까닭은 약효가 있는 새로운 물질(분자구조)을 합성할 때 성공확률이 극히 낮기 때문이다. 무려 9000분의 1이라고 한다. 분자 합성 실험 한 번에 보통 3주 이상이 걸리고 수백만 원의 비용이 든다. 하나의 실험을 하느냐 마느냐는 결국 시간과 비용에 관한 결정이다. 임재창 히츠 공동창업자는 인공지능(AI)을 이용해 이 결정에 도움을 줌으로써 신약 개발의 시행착오를 줄여 효율을 높이려고 한다. ■시행착오는 왜 불가피한가 신약 개발은 인체에서 질병을 일으키는 단백질을 찾아내고 이와 상호 작용을 일으켜 질병을 치료하기 위한 물질(화합물)을 만들어내는 것이다. 이 개발 과정은 보통 4단계로 진행된다. 기초-탐색 연구, 비임상, 임상, 허가-승인 등이다. 이 과정을 거쳐 9000개의 후보 물질 가운데 딱 하나가 신약이 된다. 개발기간으로 따지면 보통 기초-탐색 연구에 5년, 비임상 1.5년, 임상 5년, 허가-승인 2년 등이 소요된다. 기초-탐색 연구는 질병 유발 단백질을 찾아내고 이를 치료할 수 있을 것으로 예측되는 후보 물질을 탐색하는 것을 말하는 데 보통 9000에서 1만개의 물질 목록이 생성된다. 비임상은 안정성 실험을 통해 후보물질을 최적화하는 단계로 목록이 50개로 줄어든다. 임상은 보통 3단계로 진행되며 다시 화합물이 5개로 줄어든다. 이중 최상의 물질이 허가와 승인 과정을 거쳐 신약이 된다. “9000에서 1만개의 후보 물질 가운데 어떤 것이 최상의 약효를 가질지를 알 수 없으니 다 실험을 해야 하잖아요. 그런데 후보 물질이긴 하지만 실패할 확률이 높다면 실험을 안 해도 되는 것이죠. 히츠가 개발한 시스템은 인공지능을 통해 후보 물질을 발굴하고 이와 단백질의 관계를 예측해주는 것이에요.” ■인공지능 신약 개발 플랫폼 '하이퍼랩' 신약 개발을 위한 실험의 시행착오를 조금이라도 줄이기 위해 히츠가 개발한 것이 '하이퍼랩(HYPERLAB)'이다. '인공지능 신약 개발 플랫폼'이다. 서비스형 소프트웨어(SaaS) 형태로 제공되며 직관적 UI가 특징이다. '하이퍼랩'은 주로 신약 개발 초기 기초-탐색 연구 단계에 초점을 맞추고 있다. “생성형 AI는 무언가를 만들어내는 AI잖아요. 우리가 AI를 통해 만들어내려 하는 것은 분자(Molecule)예요. 정확히는 신약 후보 물질이 될 분자죠. 과거의 데이터를 학습해서 신약 물질 후보가 될 분자의 구조를 디자인하고 제안해주죠. 우리는 특히 '스캐폴드 기반 분자 생성 모델(Scaffold-based molecular generative model)'을 개발하였어요. 스캐폴드는 물성을 특정 짓는 분자의 뼈대라고 할 수 있죠. 이를 고정해놓고 합성을 통해 분자 구조를 점진적으로 바꿔가며 새 분자를 만들죠.” 스캐폴드는 물질의 물성과 깊은 관계가 있고, 스캐폴드를 유지한 채 합성을 통해 분자 구조를 점차적으로 바꿔간다면, 무작위로 분자를 합성하는 것보다, 원하는 물질을 찾아가는데 더 효과적이라는 의미로 이해됐다. 하이퍼랩은 분자 생성 모델과 함께 '물질-단백질 상호 작용 예측 모델'도 갖고 있다. 데이터 학습을 통해 약물 후보 물질과 질병의 원인으로서의 단백질 사이의 상호 작용과 결합 구조를 예측해주는 것이다. 이 예측이 정확하다면 분자 합성 실험을 할지 말지 고민스러울 때 중요한 참고자료가 되는 것이겠다. 하이퍼랩은 또 '분자 탐색 모델'도 있다. 천문학적인 숫자의 분자 가운데에서 후보가 될 수 있는 물질을 빠르게 탐색한다. “하이퍼랩은 신약 개발 초기에 후보 분자 대규모 가상 탐색부터, 물성 예측, 신규성 있는 분자 설계까지 할 수 있습니다. 이 과정을 통해 필요 없을 것으로 보이는 후보 물질은 실험에서 제외시킬 수 있는 것이죠.” ■“효과가 15배나 커진 사례도 나왔죠” L사는 '타깃 A(질병 단백질 가운데 하나)'에 대한 특허성 있는 신규 골격(스캐폴드)을 찾고 있었다. 이 타깃과 관련해서는 이미 1000개 이상의 물질에 광범위하게 특허가 걸려 있었다. 특허를 낼 새 물질을 찾기가 그만큼 어려운 것. 관건은 천문학적인 숫자의 분자를 빠르게 탐색하고 '타깃 A'에 맞게 선별하는 것. 이를 위해 L사가 손잡은 게 히츠의 하이퍼랩이다. “히츠의 '약물-단백질 상호작용 예측 모델'의 성능을 검증하기 위해 우선 타깃 A와 기존에 보고된 활성분자의 예측값을 돌려보고 이를 실험값과 비교했어요. 타깃 A에 대한 실험 결과를 우리 모델 학습에 전혀 사용하지 않았지만 R값이 0.6으로 나타났지요. 이는 예측값의 정확도가 높다는 것을 뜻하지요. 그런 뒤 우리 '스캐폴드 기반 분자 생성 모델'을 통해 타깃 A에 대해 활성을 보일 확률이 높은 후보물질을 디자인했어요. 그런 다음 다시 '약물-단백질 상호작용 예측 모델'을 통해 우선 실험할 상위 분자를 선별했죠. AI의 이 작업이 끝나고 나서 L사 의약화학자가 후보 분자를 재선별하고, L사의 의약합성팀에서 검토한 뒤 유도체를 생성해 분자를 합성하는 후속 실험에 들어갔죠. L사는 이 과정을 통해 6개월간 활성물질 15종을 확인할 수 있었습니다. 히츠를 만나기 전에는 1년 동안 단 2종의 활성 물질을 확인할 수 있었을 뿐이라고 해요. 하이퍼랩을 이용하니 효율을 15배 가량 높였다고 볼 수 있는 것이지요.” ■“논문 기술이 아니라 산업에 적용될 기술” 히츠가 갖고 있는 AI 신약 개발 플랫폼은 임재창 공동창업자의 박사 학위 논문 주제이기도 하다. 논문을 쓰던 중 문득 생각했단다. '논문상에서만 작동하는 기술이 아니라, 실제 현실에서 가치를 창출하는 기술을 만들고 싶다.' 창업에는 고민도 컸다. 창업은커녕 회사 생활도 안 해본 터라 '내가 과연 회사를 운영할 수 있을까'를 생각해보지 않을 수 없었다. 그 때 힘이 된 게 지도교수였다. KAIST 화학과 김우연 교수. 김 교수가 공동창업을 제안했고 히츠 팀이 출발하게 됐다. 2020년 5월이었고, 임재창 공동창업자는 당시 스물여섯이었다. 그 이후 누적으로 100억 원을 투자받았고, 팀원은 31명으로 불어났다. 고객도 늘어났다. 300여개의 제약회사, 신약개발연구소, 대학 등이 하이퍼랩을 쓰고 있다. 지난해 10월 처음 유료화를 시행해 매출도 발생하고 있다. “앞으로는 인간이 상상하지 못했던 분자 구조를 AI를 포함한 디지털 기술이 생성할 것입니다. 코로나19 팬데믹처럼 감염병이 발생할 때 가능하면 빨리 치료제가 나오면 좋겠지요. 신약 개발의 디지털 전환이 필요한 이유일 것입니다. 그 과정에서 히츠가 영향력 있는 역할을 하는 팀이 될 수 있도록 노력할 것입니다.” 덧붙이는 말씀: 임재창 히츠 공동창업자가 다음 인터뷰 대상으로 추천한 사람은 콘테크 스타트업 메이사의 김영훈 대표입니다.

2024.07.04 10:03이균성

마이크로소프트, 과학 연구 특화 생성형 AI 플랫폼 공개

마이크로소프트는 최근 과학자의 화학과 재료 과학 연구를 위한 '애저 퀀텀 엘리먼트'를 개발해 공개했다. 과학적 발견을 가속화하기 위해 설계한 특화 클라우드 시스템이다. 해당 시스템은 고성능 컴퓨팅(HPC), 인공지능(AI), 그리고 양자 컴퓨팅의 최신 기술들을 통합해 연구자와 제품 개발자들이 혁신적인 제품을 더 빨리 시장에 출시할 수 있도록 돕는다. 주요 기능을 활용하면 시간 단축 및 비용 절감: 연구 개발 과정의 속도를 높여 프로젝트 시작부터 솔루션 도출까지의 시간을 몇 달에서 일주일로 단축할 수 있다. 재료 검색 공간을 확대해 기존의 수천 개 후보에서 수천만 개의 후보까지 확대해서 새로운 재료를 탐색할 수 있다. 특정 화학 시뮬레이션의 속도를 50만 배 증가시켜, 1년 동안의 연구를 1분으로 압축할 수 있다. 또한 양자 컴퓨팅 하드웨어를 사용하여 실험을 시작하고, 미래의 마이크로소프트 양자 슈퍼컴퓨터에 우선 접근할 수 있도록 지원한다. 제이슨 젠더 마이크로소프트 전략 기술 부문 수석 부사장(EVP)은 “마이크로소프트의 비전은 최신 AI 혁신을 통해 과학자들이 최대한 창의력을 발휘하고, 그들이 당면한 문제를 해결할 수 있도록 돕는 것”이라며 “이를 위해 생성형 AI와 하이브리드 양자 컴퓨팅의 모든 능력을 과학적 연구의 모든 단계에 접목해야 한다”고 설명했다. 그는 “지식을 확장하고, 더 나은 가설을 세우며, 실험과 분석을 가속화하려면 과학 맞춤형 클라우드 플랫폼이 필요하다”며 “그래서 화학과 재료 과학 연구를 위한 애저 퀀텀 엘리먼트를 개발했다”고 밝혔다. 이 플랫폼은 혁신 기능인 생성 화학(Generative Chemistry)과 가속 밀도범함수 이론(Accelerated Density Functional Theory, DFT)을 제공한다. 마이크로소프트는 애저 퀀텀 엘리먼트의 비공개 프리뷰를 통해 과학자에게 가속 DFT 기능의 접근 권한을 제공할 예정이다. 생성 화학 기능도 곧 비공개 프리뷰로 제공된다. 제이슨 젠더 부사장은 “이 기능은 향후 화학 발전에 소요될 것으로 추정되는 250년의 시간을 25년으로 대폭 단축할 수 있도록 도울 것”이라고 강조했다. 그는 “생성 화학을 통해 과학 탐구의 지평을 넓히고자 한다”며 “연구자는 수억 개의 화합물을 학습해 훈련된 최신 AI 모델을 사용해, 특정 산업에 적합한 새로운 분자를 탐구할 수 있으며, 이후 가장 유망한 후보들을 실험실에서 더 효율적으로 합성하는 방법을 평가할 수 있다”고 밝혔다. 그는 “이 모든 과정은 수 년이 아닌 며칠 만에 이뤄질 수 있다”고 덧붙였다. 가속 밀도범함수 이론을 활용하면 연구자는 분자의 양자역학적 특성을 빠르게 시뮬레이션해 화학적 발견 과정을 효율적으로 확장할 수 있다. 이 기술은 다른 DFT 코드와 비교했을 때 한 차원 더 빠른 속도를 자랑한다고 회사측은 설명했다. ■ 과학 연구 모든 과정에 AI 도입 생성형 AI 협업 도구는 기업과 개인의 생산성을 크게 향상시키고 있다. 마이크로소프트는 이같은 생성형 AI 도구의 이점을 과학 분야에서도 극대화하는데 투자하고 있다. 마이크로소프트는 AI 추론을 과학 연구의 모든 과정에 적용하는 것을 목표로 한다. 이를 위해 가설에서 결과까지 과학적 프로세스를 가속화할 수 있는 차세대 AI 모델 기술을 만들고 있다. 지식 탐구와 가설 수립에서 시작해 수백만 개의 분자 후보를 생성하고, 디지털 실험으로 후보를 좁힌 뒤 결과를 분석하는 모든 과정을 며칠 내로 완료하는 것을 목표로 한다. 퍼시픽 노스웨스트(PNNL)와 마이크로소프트는 3천200만 개 이상의 후보를 검토해 더 나은 배터리를 위한 새로운 물질을 발견하고 합성하는 방법을 시연했다. 생성 화학은 특정 용도에 맞게 조정된 유용한 특성을 가진 새로운 분자를 발견하고, 여러 단계를 거치지 않고 쉽게 합성할 수 있게 한다. 생성 화학은 분자 후보를 합성하는 레시피 개발 중 고려해야 할 잠재적 단계를 제시한다. 이 기능은 화학 반응을 역순으로 분석하는 AutoRXN 소프트웨어를 통해 개발됐으며, 이를 통해 목표 분자를 합성하기 위한 최적의 방법을 평가할 수 있다. 과학자들은 원하는 분자의 특성을 지정해 AI 추론과 고성능 컴퓨팅 시뮬레이션을 통해 수천 개의 분자 후보를 추천받을 수 있다. 이렇게 선정된 후보들 중에서 실험실 합성과 추가 연구에 가장 유망한 소수의 분자를 선별할 수 있다. 기업과 연구 기관은 며칠 만에 새로운 분자를 개발할 수 있는 효율적인 방법을 찾을 수 있고, 이는 방대한 데이터베이스 검색과 반복적인 실험 과정을 대폭 단축한다. DFT는 원자, 분자, 나노입자, 표면 및 인터페이스의 전자 구조를 시뮬레이션하고 연구하는데 활용돼온 방법이다. 분자 시스템은 여러 방향으로 움직이는 자동차가 있는 교통 시스템과 유사하다. 헬리콥터에서 교통 상황을 내려다보면 개별 자동차의 속도와 목적지를 알 수는 없지만, 전체 교통 흐름을 파악할 수 있다. DFT는 이러한 '헬리콥터 뷰'를 제공해 개별 전자를 하나하나 추적하는 복잡한 작업 대신 높은 위치에서 전자의 '밀도'를 더 쉽게 분석할 수 있도록 돕는다. DFT 시뮬레이션은 최적화하고 실행하는 것이 복잡하고 때때로 슈퍼컴퓨터급 자원을 필요로 한다. 마이크로소프트 리서치에서 개발한 관리형 DFT 서비스는 다른 DFT 코드보다 훨씬 빠르게 계산할 수 있다. 널리 사용되는 오픈 소스 DFT코드인 PySCF 대비 평균 20배 빠른 속도를 제공한다고 회사측은 밝혔다. 가속 DFT는 현재 아스펜 테크놀로지, 덴마크 공과대학, 유니레버 등에서 사용되고 있다. 마이크로소프트는 소비재 기업인 유니레버와 협력중이라고 밝혔다. 유니레버는 매일 34억 명 이상의 사람에게 서비스를 제공하고 있으며, 자사 디지털 연구 및 제품 개발을 지원하기 위해 마이크로소프트의 슈퍼컴퓨팅과 AI 서비스를 활용하고 있다. 지난 2년 반동안 유니레버는 마이크로소프트와 협력해 제품 혁신을 위한 새로운 디지털 역량을 강화해왔다. 마이크로소프트 애저 기술을 통해 디지털 연구소인 데이터랩에서 디지털 비전을 실현하고 있다. 선도적인 과학 기술을 활용해 수십억 달러 규모의 비즈니스 탄소 발자국을 줄이는 것부터 마이크로바이옴의 비밀을 밝히는 것까지, 현대 소비재 기업의 새로운 기준을 세우고 있다. 유니레버는 코파일럿과 애저 퀀텀 엘리먼트의 고급 시뮬레이션 기능을 활용해 자연어로 과학 정보를 검색할 수 있다. 이 기술을 통해 실험실에서 수십 차례의 실험을 할 시간을 절약하고, 대신 수천 개의 계산 시뮬레이션을 빠르게 수행할 수 있다. 유니레버 과학자는 이러한 시뮬레이션에서 얻은 데이터를 사용해 수만 개의 재료를 신속하게 선별하거나 복잡한 화학 반응을 탐구하는 모델을 정밀하게 조정할 수 있다. 연구개발 팀은 다양한 모발 유형에 맞춰 모발을 더 건강하게 만드는 새로운 분자를 찾는 검색 범위를 넓힐 수 있다. 대규모 시뮬레이션을 통해 유니레버는 주요 지속 가능성 목표를 더 빨리 달성할 수 있게 된다. ■ 애저 퀀텀 엘리먼트의 양자 기능 확장 마이크로소프트는 대규모 양자 컴퓨팅을 실현하고, 안정적인 하드웨어를 기반으로 한 위상 큐비트(Topology Qubits)를 개발하는 데 집중하고 있다. 올해 초, 퀀티넘과 협력해 가장 신뢰할 수 있는 논리 큐비트를 시연함으로써 양자 컴퓨팅 기술을 한 단계 더 발전시켰다. 최근 마이크로소프트의 큐비트 가상화 시스템과 퀀티넘의 H1 하드웨어를 결합한 논리 큐비트, 고전 슈퍼컴퓨터 및 AI를 사용해 화학 반응을 시뮬레이션했다. 마이크로소프트는 앞으로 몇 달 이내로 애저 퀀텀 엘리먼트의 비공개 프리뷰에서 소프트웨어와 퀀티넘의 하드웨어를 통해 고급 논리 큐비트 기능을 선보일 예정이라고 밝혔다. 논리 큐비트 기능이 확장돼 더욱 신뢰할 수 있는 결과를 제공하게 되면, 시뮬레이션의 정확도를 높여 과학적 연구를 넘어 상업적 활용으로 나아갈 것이며 이를 통해 궁극적으로 전 세계의 가장 긴급한 문제들을 해결하는 데 기여할 수 있을 것이라고 회사측은 강조했다. 제이슨 젠더 부사장은 “발견 과정은 작은 손전등 하나로 크고 어두운 창고에서 작은 상자를 찾는 것과 같다”며 “작은 손전등은 한 번에 작은 영역만 비출 수 있어, 나머지 구역은 여전히 어두운 상태로 남아 있다”고 설명했다. 그는 “생성형 AI는 우리가 평소 생각하지 못했던 새로운 방향을 비추어, 더 많은 것을 볼 수 있게 해주는 더욱 스마트한 빛을 제공한다”고 덧붙였다.

2024.06.25 14:22김우용

  Prev 1 Next  

지금 뜨는 기사

이시각 헤드라인

2나노에 묶인 삼성 '엑시노스' 로드맵…최적화가 성패 가른다

서로 닮아가는 채용 플랫폼…데이팅·사주로 차별화 꾀하기도

작고 강하게…한국형 '로봇 손' 주도권 놓고 각축전

"따로 또 같이"...글로벌 서비스 ‘라인’은 현지화+기술통합 어떻게 하나

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.