KISTI, AI 활용 전이상태 화학구조 예측 모델 제시

화학반응 직접 참여하는 화학결합 정확한 예측

[대전=뉴시스] 전이상태 구조 예측을 위한 인공지능 모델 개념도. 반응물과 생성물, 선형내삽 구조내 원자쌍(atomic pair) 정보를 활용해 전이상태 구조 예측을 수행한다.   *재판매 및 DB 금지

[대전=뉴시스] 김양수 기자 = 한국과학기술정보연구원(KISTI)은 슈퍼컴퓨팅응용센터 최성환 박사가 화학반응의 속도를 결정하는 전이상태의 구조를 예측할 수 있는 새 인공지능(AI) 모델을 제시했다고 7일 밝혔다.

최 박사는 시뮬레이션으로 축적한 전이상태 화합물 구조 데이터를 활용해 전이상태 구조를 정밀하게 예측하는 인공지능 모델을 학습하고 이를 통해 여러 화학반응 경로를 자동으로 탐색할 수 있음을 확인했다.

이번 연구서 최 박사는 화학반응 도중 발생하는 화학구조 변화를 최적으로 학습키 위해 화학구조의 확장성(예측능력의 성질)과 순열분변성(학습을 위해 임의로 부여되는 분자 내 원자의 순서가 모델 예측에 영향을 주지 않는 성질)을 만족하는 새로운 형태의 신경망(Pair Sequence Interaction Layer)을 제안했다.

이 새 신경망은 기존 인공지능 모델들에 비해 압도적인 성능을 갖는다.

기존 모델들은 전이상태 구조에서 가장 중요한 반응을 통해 변화하는 화학결합의 원자 간 거리를 정확하게 예측할 수 없었던 반면 새 모델은 화학반응에 직접 참여하는 화학결합에 대해서도 정확한 예측능력을 보인다.

전이상태는 화학반응 경로에서 가장 높은 에너지를 갖는 상태로 화학반응 중 빠르게 지나치기 때문에 실험적으로 측정하는 것이 매우 어려워 화학반응 메커니즘 분석을 통한 촉매 설계 및 반응 동력학 분석을 위해선 전이상태 화학구조를 파악하는 것이 중요하다.

이번 연구에서는 전이상태 화학구조를 손쉽게 예측할 수 있는 인공지능 모델을 제안해 효율적인 촉매설계 및 반응 동력학 연구에 속도를 붙게 했다.

이 인공지능 모델 연구 결과는 지난 2일 네이처(Nature) 자매지인 '네이처 커뮤니케이션(Nature Communication)'에 실렸다.

KISTI 정민중 슈퍼컴퓨팅응용센터장은 "실험데이터가 부족한 다양한 과학기술 분야에 시뮬레이션 데이터를 활용하는 인공지능이 우수한 연구방법론으로 활용될 수 있다"고 밝혔다.


◎공감언론 뉴시스 [email protected]