Ebay 김상훈, 중앙대 송원호, 마인즈앤컴퍼니 이영수, KAIST 이유한, KISTI 최성환 등 국내 5 명의 서로 다른 산·학·연 소속의 연합팀...

딥러닝 모델인 트랜스포머(Transformer)를 화합물에 적용해 2,749개 팀 중 3위에 올랐다. 기술은 기존 슈퍼컴퓨터를 활용한 양자화학 시뮬레이션을 계산비용이 적은 AI기술로 대체 할 수 있을 뿐만 아니라 다양한 분광분석기술에 활용이 기대

수상한 모델의 구성도
 

데이터 과학자 및 기계 학습자 온라인 커뮤니티이자 구글의 자회사 캐클(Kaggle)이 주관하고 영국의 챔스(CHAMPS, Chemistry and Mathematics in Phase Space)에서 주최한 '분자 특성 예측(Predicting MolecularProperties)' 대회에서 국내 산·학·연 연합팀이 전 세계에서 참여한 2,749개 팀 중 3위에 올랐다. 캐글은 현재 194개국에서 백만명 이상의 회원을 확보하고 있으며, 인공지능(AI) 경진대회 플랫폼으로 다양한 AI 대회를 주관하고 있다.

총 상금 3만 달러(약 3천6백만원)로 1위에서 5위까지 상금이 수여되는 이번 분자 특성 예측 대회는 유기화학을 포함한 화학 전반에서 널리 활용되는 핵자기공명(Nuclear Magnetic Resonance, NMR)을 이용한 유기물의 분석에 핵심적인 스핀-스핀 갈라짐을 더 정밀하게 예측하는 팀이 우승을 차지하는 대회로 이번 대회에서는 AI기반 신약후보물질 연구를 위해 널리 사용되는 화합물 데이터베이스(QM9)에서 '스핀-스핀 갈라짐(spin-spin splitting)'의 양을 예측하는 기술력을 겨루었다.

모델의 인풋 구성도

스핀-스핀 갈라짐은 핵스핀(nulcear spin)을 가지는 원자들이 분자 내에서 느끼는 가리움 효과(shielding effect)에 따라서 결정되는 값으로 분자의 구조를 결정하는 중요한 정보이다.

이번 Ebay 김상훈, 중앙대학교 송원호, 마인즈앤컴퍼니 이영수, KAIST 이유한, KISTI 최성환 등 국내 5 명의 서로 다른 산·학·연 소속의 연합팀은 자연어처리 분야에 널리 사용되는 딥러닝 모델인 트랜스포머(Transformer)를 화합물에 적용해 얻어진 기술은 기존 슈퍼컴퓨터를 활용한 양자화학 시뮬레이션을 계산비용이 적은 AI기술로 대체 할 수 있을 뿐만 아니라 다양한 분광분석기술에 활용이 기대된다.

 1위부터 10위까지의 순위표

참고로 딥러닝 모델인 트랜스포머(Transformer)는 2017년 구글이 발표한 논문인 "Attention is all you need"에서 나온 모델로 기존의 문장을 학습할 수 있는 seq2seq의 구조인 인코더-디코더를 따르면서도 어텐션(Attention)만으로 구현한 모델이다. 이 모델은 순환신경망(RNN, 循環神經網)은 쓰지 않고 어텐션만을 사용하여 인코더-디코더 구조를 만들어 학습 속도가 무척 빠르다는 장점을 갖고 있으며 성능도 RNN보다 우수한 것으로 알려져 있다.

원문보기: http://www.aitimes.kr/news/articleView.html?idxno=14138

※ 이 기사는 별도의 저작권 요청을 통해 게재 허락을 받았습니다.