-
생성형 AI로 혁신적 신약 개발 가능성 열어
최근 자연어나 이미지, 동영상, 음악 등 다양한 분야에서 주목받는 생성형 AI가 신약 설계 분야에서도 기존 신규성 문제를 극복하고 새로운 혁신을 일으키고 있다고 하는데 어떤 기술일까?
우리 대학 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다.
신규 약물을 발굴하기 위해서는 질병의 원인이 되는 타겟 단백질에 특이적으로 결합하는 분자를 찾는 것이 중요하다. 기존의 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있다. 이는 신규성이 중요한 신약 개발 분야에서 치명적인 약점으로 지적되어 왔다. 또한 사업성이 높은 계열 내 최초(First-in-class) 타겟 단백질에 대해서는 실험 데이터가 매우 적거나 전무한데, 이 경우 기존 방식의 생성형 AI를 활용하는 것이 불가능하다.
연구팀은 이런 데이터 의존성 문제를 극복하기 위해 단백질 구조 정보만으로 분자를 설계하는 기술 개발에 주목했다. 타겟 단백질의 약물 결합 부위에 대한 3차원 구조 정보를 주형처럼 활용해 해당 결합 부위에 꼭 맞는 분자를 주조하듯 설계하는 것이다. 마치 자물쇠에 딱 맞는 열쇠를 설계하는 것과 같은 이치다.
또한 기존 단백질 구조 기반 3차원 생성형 AI 모델들은 신규 단백질에 대해 설계한 분자들의 안정성과 결합력이 떨어지는 등 낮은 일반화 성능을 개선하기 위해서 연구팀은 신규 단백질에 대해서도 안정적으로 결합할 수 있는 분자를 설계할 수 있는 기술을 개발하는 데 초점을 뒀다.
연구팀은 설계한 분자가 단백질과 안정적으로 결합하기 위해서는 단백질-분자 간 상호작용 패턴이 핵심 역할을 하는 것에 착안했다. 연구팀은 생성형 AI가 이러한 상호작용 패턴을 학습하고, 분자 설계에 직접 활용할 수 있도록 모델을 설계하고 재현할 수 있도록 학습시켰다.
기존 단백질 구조 기반 생성형 AI 모델들은 부족한 학습 데이터를 보완하기 위해 10만~1,000만 개의 가상 데이터를 활용하는 반면, 이번 연구에서 개발한 모델의 장점은 수천 개의 실제 실험 구조만을 학습해도 월등히 높은 성능을 발휘한다는 것이다. 이는 자연에서 관찰되는 단백질-분자 상호작용 패턴을 사전 지식의 형태로 학습에 활용함으로써 적은 데이터만으로도 일반화 성능을 획기적으로 높인 것에 기인한다.
일례로 아시아인에 주로 발견되는 돌연변이 상피 성장인자 수용체(EGFR-mutant)*는 비소세포폐암의 주요 원인으로 알려져 있는데, 이를 타겟으로 하는 약물을 설계하기 위해서는 야생형(wild-type) 수용체**에 대한 높은 선택성을 고려하는 것이 필수적이다.
*상피 성장인자 수용체: 상피 성장인자 수용체:상피 성장인자 수용체는 상피 세포의 성장을 촉진하는 인자에 결합함으로써 활성화되는 막 단백질로, 이 수용체의 돌연변이로 인한 지나친 활성은 다양한 종양의 발생과 관련이 있다고 알려져 있음
**야생형 수형체: 야생형은 자연 상태에서 가장 흔하게 발견되는 유전자형 또는 표현형으로, 유전자나 생체 분자 등의 변이가 없는 정상적인 상태를 말함
연구진은 생성형 AI를 통해 돌연변이가 일어난 아미노산에 특이적인 상호작용을 유도해 분자를 설계했고, 그 결과 생성된 분자의 23%가 이론상으로 100배 이상의 선택성을 가지는 것으로 예측됐다. 이와 같은 상호작용 패턴에 기반한 생성형 AI는 인산화효소 저해제(kinase inhibitor)* 등과 같이 약물 설계에 있어 선택성이 중요한 상황에서 더욱 효과적으로 활용될 수 있다.
*인산화효소 저해제: 단백질의 인산화를 촉진하는 효소로, 일반적으로 아데노신 삼인산(ATP)으로부터 인산기를 단백질의 특정 잔기에 전달함. 인산화효소는 세포 내 신호전달 네트워크의 핵심 조절자로서, 다양한 질병의 기전에 관여하여 약물 개발의 표적으로 여겨지고 있음. 이를 위해 인산화효소에 결합하여 활성을 억제하는 목적을 가지는 분자를 인산화효소 저해제라 함
제1 저자로 참여한 화학과 정원호 박사과정 학생은 “사전 지식을 인공지능 모델에 사용하는 전략은 상대적으로 데이터가 적은 과학 분야에서 적극적으로 사용되어 왔다”며 “이번 연구에서 사용한 분자 간 상호작용 정보는 약물 분자뿐 아니라 다양한 생체 분자를 다루는 바이오 분야의 문제에도 유용하게 적용될 수 있을 것”이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications) (IF=16.6)’ 2024년 3월 15호에 게재됐다. (논문명: 3D molecular generative framework for interaction-guided drug design, 논문 링크: https://www.nature.com/articles/s41467-024-47011-2)
2024.04.18
조회수 1086
-
화합물 생성AI 기술로 신약 개발 앞당긴다
신약 개발이나 재료과학과 같은 분야에서는 원하는 화학 특성 조건을 갖춘 물질을 발굴하는 것이 중요한 도전으로 부상하고 있다. 우리 대학 연구팀은 화학반응 예측이나 독성 예측, 그리고 화합물 구조 설계 등 다양한 문제를 동시에 풀면서 기존의 인공지능 기술을 뛰어넘는 성능을 보이는 기술을 개발했다.
김재철AI대학원 예종철 교수 연구팀이 분자 데이터에 다중 모달리티 학습(multi-modal learning) 기술을 도입해, 분자 구조와 그 생화학적 특성을 동시에 생성하고 예측이 가능해 다양한 화학적 과제에 광범위하게 활용가능한 인공지능 기술을 개발했다고 25일 밝혔다.
심층신경망 기술을 통한 인공지능의 발달 이래 이러한 분자와 그 특성값 사이의 관계를 파악하려는 시도는 꾸준히 이루어져 왔다. 최근 비 지도 학습(unsupervised training)을 통한 사전학습 기법이 떠오르면서 분자 구조 자체로부터 화합물의 성질을 예측하는 인공지능 연구들이 제시되었으나 새로운 화합물의 생성하면서도 기존 화합물의 특성 예측이 동시에 가능한 기술은 개발되지 못했다.
연구팀은 화학 특성값의 집합 자체를, 분자를 표현하는 데이터 형식으로 간주해 분자 구조의 표현식과 함께 둘 사이의 상관관계를 아울러 학습하는 AI학습 모델을 제안했다. 유용한 분자 표현식 학습을 위해 컴퓨터 비전 분야에서 주로 연구된 다중 모달리티 학습 기법을 도입해, 두 다른 형식의 데이터를 통합하는 방식으로, 바라는 화합물의 성질을 만족하는 새로운 화합물의 구조를 생성하거나 주어진 화합물의 성질을 예측하는 생성 및 성질 특성이 동시에 가능한 모델을 개발했다.
연구팀이 제안한 모델은 50가지 이상의 동시에 주어지는 특성값 입력을 따르는 분자 구조를 예측하는 등 분자의 구조와 특성 모두의 이해를 요구하는 과제를 해결하는 능력을 보였으며, 이러한 두 데이터 정보 공유를 통해 화학반응 예측 및 독성 예측과 같은 다양한 문제에도 기존의 인공지능 기술을 뛰어넘는 성능을 보이는 것으로 확인됐다.
이 연구는 독성 예측, 후보물질 탐색과 같이 많은 산업계에서 중요하게 다뤄지는 과제를 포함해, 더 광범위하고 풍부한 분자 양식과 고분자, 단백질과 같은 다양한 생화학적 영역에 적용될 수 있을 것으로 기대된다.
예종철 교수는 “새로운 화합물의 생성과 화합물의 특성 예측 기술을 통합하는 화학분야의 새로운 생성 AI기술의 개척을 통해 생성 AI 기술의 저변을 넓힌 것에 자부심을 갖는다”고 말했다.
예종철 교수 연구팀의 장진호 석박통합과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’지난 3월 14일 자 온라인판에 게재됐다. (논문명 : Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model)
한편 이번 연구는 한국연구재단의 AI데이터바이오선도기술개발사업으로 지원됐다.
2024.03.25
조회수 1053
-
생성형 인공지능·가상현실 결합한 3D 스케칭 연구 본격화
우리 대학이 생성형 인공지능(generative AI)과 가상현실(VR)을 활용하여 초고속 생산성 시대를 열어가기 위한 본격적인 도전을 시작한다.
27일 대전 본원에 문을 연 'DRB-KAIST 스케치더퓨처 연구센터(센터장 배석형)'는 생성형 인공지능과 가상현실을 3D(3차원) 스케칭과 결합한 미래형 제품 개발 프로세스를 연구하기 위해 설립됐다.
로봇, 모빌리티, 인공 단백질과 같은 첨단 제조 산업 분야는 제품 개발 주기가 매우 길 뿐만 아니라, 설계 결함이 발견되면 다시 아이디어 발상 단계로 돌아가 실물 제작과 테스트까지의 모든 과정을 반복해야 한다. 또한, 복잡한 3차원 구조체가 한데 맞물려 움직이면서 고도의 기능을 수행하기 때문에, 기존 2차원 스크린 작업 환경에서는 설계 의도를 입력하거나 결과물을 해석하는 데 한계가 있었다.'DRB-KAIST 스케치더퓨처 연구센터'는 사람의 의도를 가장 빠르고 효과적으로 생성형 인공지능에 전달하는 수단으로 최신 가상현실 3D 스케칭 기술을 활용할 계획이다. 가상현실 몰입 공간 안에서 사람이 아이디어를 떠올리는 즉시 3D 스케칭으로 시각화하면, 인공지능이 이를 뼈대 삼아 구체화함으로써 실물을 제작하지 않고도 반복적으로 문제점을 수정해 점진적으로 완성도를 높일 수 있다.
이를 위해, ▴로봇 디자인 ▴모빌리티 디자인 ▴단백질 디자인을 3개 혁신 전략 분야로 삼고, 3D 스케칭 전문가인 배석형(산업디자인학과) 교수를 필두로 명현(전기및전자공학부), 박대형·성민혁(전산학부), 김경수·박해원·황보제민(기계공학과), 김호민(생명과학과) 교수 등 5개 학과 8명의 연구진과 KIST 박한범(뇌과학연구소) 박사가 범학제적으로 연구를 수행할 예정이다.
동일고무벨트 주식회사(대표 이윤환, 이하 DRB)는 연구센터를 통해 ▴정기 학술 워크숍 및 데모데이 개최 ▴DRB 연구원의 산학 교류 ▴DRB 매칭 조직의 신제품·신사업 탐색, ▴대규모 국가 연구개발 지원사업 합동 유치 추진 등을 진행한다. 기술혁명의 시대를 맞는 21세기 중후반에 대비한 새로운 기업 운영 체제를 만들어 가겠다는 포부다.
27일 오후 우리 대학 대전 본원 산업디자인학과동(N25)에서 개최된 개소식에는 이광형 총장, 배석형 센터장 등 KAIST 보직교수 및 센터 참여교수와 DRB 김세연 전략고문 및 임원진 등 30여 명이 참석했으며, 현판식이 함께 진행됐다.배석형 DRB-KAIST 스케치더퓨처 연구센터장은 "인공지능의 잠재력을 사람이 의도에 따라 자유자재로 부릴 수 있는 것이 핵심"이라며, "사람이 가진 고도의 창의성을 스케칭을 통해 자유롭게 발상하고 표현하는 연구는 앞으로 더욱 중요해질 것"이라고 강조했다.
2024.02.29
조회수 1825
-
‘생성 AI와 헬스케어의 미래’ 워크숍 개최
우리 대학이 5일 오후 '생성AI와 헬스케어의 미래' 워크숍을 대전 본원에서 개최한다.
KAIST 디지털 바이오헬스 AI연구센터(센터장 예종철)의 개소를 기념하기 위해 마련된 이번 워크숍에서는 디지털 헬스케어 분야에서 활용되는 인공지능의 최신 연구 동향과 응용 사례가 공유된다.
'의료 데이터의 인공지능 활용' 세션에서는 콴젱 리(Quanzheng Li) 하버드의대 교수가 '의학 분야의 기초모델 : 대형 언어 모델과 대형 비전 모델'을 주제로 기조강연한다.
리 교수는 하버드 대학교 의과대학에서 진행되고 있는 대형 언어 모델* 및 대형 멀티모달리티 모델** 연구를 소개한다. 또한, 이러한 최첨단 기술들이 의료 데이터 해석과 활용 현장에 가져다준 혁신적인 변화를 임상 사례를 들어 설명한다. * 대형 언어 모델(Large Language Model, LLM): 방대한 텍스트 데이터로 훈련된 인공지능 모델 ** 대형 멀티모달 모델(Large Multi-modal Model, LMM): 텍스트와 함께 이미지, 소리, 비디오 등 다양한 유형의 데이터를 처리할 수 있는 인공지능 모델
김선 서울대학교 컴퓨터공학부 교수는 '바이오인포매틱스의 혁신' 세션에서 'AI 기술을 이용한 약물 반응 예측'을 주제로 기조강연한다.
인공지능 기반 약물 반응 예측 모델의 개발, 임상 데이터를 활용한 인공지능 알고리즘의 적용 사례, 환자 개인별 치료 계획 수립을 위한 인공지능의 역할 등을 조명하고 인공지능 기술이 약물 반응 예측에 미치는 영향과 잠재적 한계점을 토론한다.
산업계에는 나군호 네이버 헬스케어 연구소장이 참석해 '디지털 헬스케어 2024: 인공지능 시대'를 주제로 기조강연한다.
나 소장은 챗GPT로 대표되는 생성적 인공지능 기술이 의료 데이터 분석, 신약 개발, 맞춤형 치료 계획 수립 등 다방면의 디지털 헬스케어에 적용되고 있는 연구 동향을 소개한다. 네이버에서 진행되는 의료 생성 인공지능 기반연구와 이 기술이 헬스케어 산업에 미치는 긍정적인 영향 및 잠재적 도전 과제들에 대해서도 논의한다.
또한, 기술 교류와 네트워킹의 장도 함께 마련돼 참가자들이 디지털 바이오 헬스 분야에 적용되는 인공지능의 미래에 대해 논의하고 아이디어를 교환하는 기회를 제공한다.
예종철 KAIST 디지털 바이오헬스 AI 연구센터장은 "이번 워크숍은 KAIST가 추진하는 생성 인공지능 기반 의료 인공지능 연구를 산·학·연에 알리고 국내·외 연구진들과 협력해 센터를 이끌어갈 혁신적인 발전 방향을 모색하는 자리가 될 것"이라고 말했다.한편, KAIST 디지털 바이오헬스 AI 연구센터는 바이오의료 분야의 생성형 인공지능 원천모델 구축을 위해 2023년 12월 개소했다. 바이오의료 영상 및 신호, 임상기록, 유전체 및 오믹스, 약물 상호작용, 웨어러블 기반 라이프 로그 등이 중점 연구 분야다. 전문가 연합(mixture-of-expert:MOE) 형태로 최적의 추론을 할 수 있는 일반화된 인공지능(General AI) 플랫폼에 관한 원천 기술을 개발 및 바이오 의료 생성 AI 분야의 세계적인 선두그룹을 양성을 목표로 국내·외 기관과 네트워크를 구축해 협력하고 있다.
2024.02.05
조회수 1208
-
차미영·문수복 교수, ACM 인터넷측정학회 테스트 오브 타임 어워드 수상
우리 대학 차미영·문수복 전산학부 교수가 지난 10월 프랑스 니스에서 열린 ACM 인터넷측정학회(Internet Measurement Conference)에서 '테스트 오브 타임 어워드(Test of Time Award)'를 수상했다.
이 상은 10년 이상 지속적인 영향력을 행사하는 논문에 수여하는 상이다. 인터넷측정학회에서는 올해 처음 제정됐으며, 차미영·문수복 교수가 초대 수상자로 선정됐다. 선정된 논문은 2007년 발표된 '세계 최대의 사용자 생성 콘텐츠 분석(영문명: I Tube, You Tube, Everybody Tubes: Analyzing the World’s Largest User Generated Content Video System)'이다. 유튜브(YouTube)와 다음(Daum) 등을 비롯한 사용자 생성 콘텐츠(UGC) 시스템에 올라온 200만 개의 비디오 정보와 시청 통계 데이터를 수집해 분석한 논문이다. 이전까지는 영상들의 인기도 분포가 일명 80:20의 법칙으로 불리는 파레토(Pareto) 법칙*을 따르는 것으로 생각되어왔다. 그러나 이 연구를 통해 20%보다 더욱 집중된 상위 10%의 인기 동영상이 전체 조회 수의 80%를 차지하는 현상을 처음 확인했으며, 당시 최우수논문상(Best Paper Award)을 받았다. *파레토의 법칙(Pareto principle): 20%의 원인이 80%의 결과를 가져온다는 이론이와 함께, 유튜브와 같은 새로운 콘텐츠 시장이 전통적인 콘텐츠 시장과 어떻게 다른지를 인기도 하위 90%의 콘텐츠를 들어 설명했다. 비인기 콘텐츠는 인기도를 곡선으로 나타낸 분포도에서 불룩 솟아오른 상위 10% 콘텐츠의 뒤에 꼬리처럼 길게 늘어진다고 해서 소위 롱테일(long tail)이라 불린다. 연구팀은 사용자 생성 콘텐츠의 인기 분포가 초기에는 멱법칙(power-law)*을 따르지만, 시간이 지나며 플랫폼의 순위 알고리즘과 정보 필터링과 같은 요인으로 절단된 멱법칙(truncated power-law)로 변하는 과정을 실험으로 증명했다. *멱법칙(power-law): 한 수(數)가 다른 수의 거듭제곱으로 표현되는 두 수의 함수적 관계이를 통해, 롱테일에 속하는 콘텐츠라 할지라도 사용자에게 개별화된 알고리즘으로 추천할 경우 시청 조회 수를 현저히 늘릴 수 있다는 점을 실험적으로 제시했다. 이 논문은 발표 후 지난 15년간 비디오 콘텐츠의 캐싱*과 전송, 순위 알고리즘, 광고 노출을 비롯한 다양한 산업에 영향을 미쳤다. *캐싱(cashing): 데이터 복사본을 미리 저장해 두어 빠르게 전송하는 방법
현재까지 2,000번 이상 피인용 되어 인터넷측정학회 역사상 세 번째로 많이 피인용 된 연구로 기록됐다. 발표한 지 10년이 지난 후에도 600회 이상 피인용 되며 꾸준한 영향력을 발휘하고 있다. 차미영 교수는 "연구를 진행할 당시 유튜브는 서비스를 시작한 지 2년 남짓 된 신규 플랫폼으로 지금의 위상과는 매우 달랐다"라고 설명했다. 이어, 차 교수는 "'새로운 데이터를 수집해 분석하는 것 자체가 모험과도 같았던 논문이 오랜 기간 동료 연구자들에게 사랑받고 인용되는 연구가 되어 기쁘다"라고 소감을 밝혔다.차 교수는 2007년 스페인 텔레포니카(Telefonica)에서 인턴십을 하며 공저자인 파블로 로드리게즈(Pablo Rodriguez) 디렉터, 지도교수인 문수복 교수와 함께 이 연구를 이끌었다. 현재 기초과학연구원(IBS) 데이터 사이언스 그룹 CI로 활약하고 있다. 당시 공저자로 참여한 곽해운, 안용열 연구원은 현재 싱가폴 경영대, 인디애나 주립대 교수로 각각 재직 중이다.
2022.11.10
조회수 3605
-
딥러닝 생성모델의 오류 수정 기술 개발
우리 대학 AI대학원 최재식 교수(설명가능 인공지능연구센터장) 연구팀이 심층 학습(이하 딥러닝) 생성모델의 오류 수정 기술을 개발했다고 25일 밝혔다.
최근 딥러닝 생성모델(Deep Generative Models)은 이미지, 음성뿐만 아니라 문장 등 새로운 콘텐츠를 생성하는 데 널리 활용되고 있다. 이런 생성모델의 발전에도 불구하고 최근 개발된 생성모델도 여전히 결함이 있는 결과를 만드는 경우가 많아, 국방, 의료, 제조 등 중요한 작업 및 학습에 생성모델을 활용하기는 어려운 점이 있었다.
최 교수 연구팀은 딥러닝 내부를 해석하는 설명가능 인공지능 기법을 활용해, 생성모델 내부에서 이미지 생성과정에서 문제를 일으키는 유닛(뉴런)을 찾아 제거하는 알고리즘을 고안해 생성모델의 오류를 수리했다. 이러한 생성 오류 수리 기술은 신경망 모델의 재학습을 요구하지 않으며 모델 구조에 대한 의존성이 적어, 다양한 적대적 생성 신경망에 폭넓게 응용 및 적용될 수 있을 것으로 기대된다. 또한, 고안된 기술은 딥러닝 생성모델의 신뢰도를 향상해 생성모델이 중요 작업에도 적용될 수 있을 것으로 기대된다.
AI대학원의 알리 투씨(Ali Tousi), 정해동 연구원이 공동 제1 저자로 참여한 이번 연구는 `국제 컴퓨터 비전 및 패턴인식 학술대회 (IEEE Conference on Computer Vision and Pattern Recognition, CVPR)'에서 6월 23일 발표됐다. (논문명: Automatic Correction of Internal Units in Generative Neural Networks, CVPR 2021).
적대적 생성 신경망은 생성기와 구분기의 적대적 관계를 이용한 모델로서, 생성 이미지의 품질이 높고 다양성이 높아, 이미지 생성뿐만 아니라 다양한 분야(예, 시계열 데이터 생성)에서 주목받고 있다.
딥러닝 생성모델의 성능을 향상하기 위해서 적대적 생성기법 및 생성기의 새로운 구조 설계 혹은 학습 전략의 세분화와 같은 연구가 활발히 진행되고 있다. 그러나 최신 적대적 생성 신경망 모델은 여전히 시각적 결함이 포함된 이미지를 생성하고 있으며, 재학습을 통해서 이를 해결하기에는 오류 수리를 보장할 수 없으며, 많은 학습 시간과 비용을 요구하게 된다. 이렇게 규모가 큰 최신 적대적 생성 신경망 모델의 일부 오류를 해결하기 위해 모델 전체를 재학습하는 것은 적합하지 않다.
연구팀은 문제 해결을 위해 생성 오류를 유도하는 딥러닝 내부의 유닛(뉴런)을 찾아 제거하는 알고리즘을 개발했다. 알고리즘은 딥러닝 모델의 시각적 결함의 위치를 파악하고, 딥러닝 모델 내 여러 계층에 존재하는 오류를 유발한 유닛을 찾아서 활성화하지 못하도록 하여 결함이 발생하지 않도록 했다.
연구팀은 설명가능 인공지능 기술을 활용해 시각적 결함이 생성된 이미지의 어느 부분에 분포하는지, 또 딥러닝 내부의 어떤 유닛이 결함의 생성에 관여하는지 찾을 수 있었다. 개발된 기술은 딥러닝 생성모델의 오류를 수리할 수 있고, 생성모델의 구조에 상관없이 적용할 수 있다.
연구팀은 전통적인 구조를 가지는 `진행형 생성모델(Progressive GAN, PGGAN)'에서 개발 기술이 효과적으로 생성 오류를 수리할 수 있음을 확인했다. 수리 성능은 매사추세츠 공과대학(MIT)이 보유한 수리 기술 대비 FID 점수가 10점 정도 감소했으며, 사용자 평가에서 시험 이미지 그룹의 약 50%가 결함이 제거됐고, 약 90%에서 품질이 개선됐다는 결과를 얻었다. 나아가 특이 구조를 가지는 `StyleGAN2'와 `U-net GAN'에서도 생성 오류 수리가 가능함을 보임으로써 개발 기술의 일반성과 확장 가능성을 보였다.
연구팀이 개발한 생성모델의 오류 제거 기술은 다양한 이미지 외에도 다양한 생성모델에 적용돼 모델의 결과물에 대한 신뢰성을 높일 것으로 기대된다.
공동 제1 저자인 알리 투씨와 정해동 연구원은 "딥러닝 생성모델이 생성한 결과물에 있는 시각적 오류를 찾고, 이에 상응하는 활성화를 보이는 생성모델 내부의 유닛을 순차적으로 제거함으로써 생성 오류를 수리할 수 있음을 보였다ˮ라며 이는 "충분히 학습된 모델 내부에 미학습 혹은 잘못 학습된 내부요소가 있음을 보여주는 결과다ˮ라고 말했다.
한편 이번 연구는 2021년도 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받은 혁신성장동력프로젝트 설명가능인공지능 및 한국과학기술원 인공지능 대학원 프로그램과제를 통해서 수행됐다.
2021.06.25
조회수 16441
-
인공지능을 이용해 숨겨진 소재를 탐색하는 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 인공지능(AI) 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진 새로운 물질을 예측하는 기술을 개발하는 데 성공했다고 27일 밝혔다.
소재 연구의 궁극적인 목표는 원하는 *물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기는 쉽지 않다. 이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다.
☞ 물성(physical properties): 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말
정유성 교수 연구팀이 개발한 *소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 특히, 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다.
☞ 소재 역설계(Materials Inverse Design): 주어진 구조에 대한 물성을 측정하는 방식의 반대 개념으로, 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법
이번 정 교수팀의 연구성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다.
정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다.
정유성 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다ˮ면서 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다ˮ고 말했다.
우리 대학 생명화학공학과 김성원 박사과정과 노주환 박사과정이 공동 제1 저자로, 토론토 대학의 아스푸루-구지크(Aspuru-Guzik) 교수가 공동연구로 참여한 이 연구성과는 미국화학회(ACS)가 발행하는 국제학술지 ACS 센트럴 사이언스(ACS Central Science) 지난 8월호에 실렸다.(논문명: Generative Adversarial Networks for Crystal Structure Prediction)
한편, 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구) 지원을 받아 수행됐다.
2020.10.28
조회수 24975
-
이덕희 기술경영학부 교수, 『내생사회』 출간
우리 대학 기술경영학부 이덕희 교수가 동양의 중용(中庸)과 서양의 근대철학을 융합해 선진 문명사회의 길을 제시하는 『내생사회: 머리와 손발의 소통 이야기』를 출간했다. 이 교수는 학부 때부터 줄곧 경제학을 전공한 경제학자이지만 사회 전체를 통합적으로 연구하기 위해 인문학·자연과학 등에도 지속적인 관심을 가지고 탐구해왔다. '네트워크 경제' 연구를 통해 복잡계 과학에 경제학을 접목하는 한편 '도덕적 자본주의' 연구를 통해 동양사상과 경제학을 아우르는 등 다양한 융합 연구를 시도해온 이 교수는 우리 사회를 관통하는 세 가지 질문을 바탕으로 이번 저서를 기획했다.
'정녕 우리에게 도덕적 자본주의는 불가능한 것인가?', '재난은 왜 계속 되풀이되는가?', '혁신은 우리 곁에 있는가?' 등 현실적인 문제의 근원이 우리 사회의 '외생성'에서 비롯되고 있다는 통찰과 함께 이를 극복하기 위해서는 '내생사회'로의 전환을 서둘러야 한다고 이덕희 교수는 이번 저서를 통해 제시하고 있다.
이 교수는 '외생성'이란 삶의 중요한 의미를 외부적인 요소를 통해 추구하는 방식이라고 정의하고 있으며, 우리 사회를 타인 혹은 외부에 의해 발전의 동인이 촉발되어 유지되고 있는 '외생사회'로 규정했다. 이 교수는 오랫동안 정치, 경제, 문화, 종교, 사상 등 여러 방면에서 우리 고유의 것이 아닌 다른 나라에서 정립해놓은 것을 활용해 온 것이 원인이라고 지적하고 있다. 특히, 이 교수는 조선 양반 문치(文治) 카르텔은 사(士)에 과도한 특권을 부여해 농공상(農工商)과의 단절을 야기했다고 설명하고 있다.
사회의 역동성을 약화시킨 조선의 유교 사회, 개화기 서양 문물의 수용, 일제강점기 등의 역사적 과정을 거치면서 '내생성'을 키우는 동력을 상실한 결과가 부동산 불패 신화, 학벌 제일주의, 반복되는 재난과 같은 현시대의 고질적인 문제로 나타나고 있다는 것이 이 교수의 분석이다.
저자는 이러한 문제점을 극복하기 위해 대한민국이 '내생사회'로 나아가야 한다고 주장하고 있다. '내생사회'란 흩어지지 않고 무언가 차곡차곡 쌓이는 사회라 비유할 수 있으며, 중용(中庸)에서 말하는 '지극한 정성의 총합'으로 표현하고 있다.
모든 사안을 결과로 보는 것이 아니라 과정으로 보는 세계관, 내 생각과 행위를 다른 사람에게 표현하는 자기 조직화, 스스로의 노력으로 공을 세워 삶을 영위하는 주체성 등의 세 가지 조건이 갖춰질 때 비로소 '내생성'이 생겨난다고 이 교수는 강조한다.
우리 자신을 더 가까이에서 들여다보고 우리 안의 보석을 캐내는 '내생성 강화'가 각 분야에서 일어날 때, 사와 농공상, 자본의 윤리와 자본의 논리가 화해하는 '내생사회'가 도래할 것으로 이 교수는 전망하고 있다.
이 교수는 동양 유학 사상의 정수인 중용에 서양 근대철학의 거두인 화이트헤드의 과정철학·복잡계 과학·진화경제학의 내생적 발전을 접목한 융합적 접근으로 이번 저서를 집필했다. 또한, 그동안의 '외생사회'가 고착된 배경을 역사적 흐름에 근거해 증명한 뒤 '내생성'이라는 새로운 미래의 관점을 제시하고 있으며, 전문지식과 일반 지식을 아우르는 통합적 시각을 견지하고 있는 것이 이번 저서의 가장 특징이다.
이덕희 교수는 "내생사회는 머리의 세계와 손발의 세계, 즉 리(理)와 기(氣), 사와 농공상, 이론과 실제, 학교와 현장이 서로 소통할 때 가능하다"고 강조했다. 이어 그는 "한마디로 표현하기 어렵지만, '스스로 뿌리를 내리고 싹을 틔우는 힘'인 내생성이 우리 안에 굳건하게 자리 잡아 자기 언어로 스스로의 질서를 얘기할 수 있는 내생사회가 되었으면 한다"고 역설했다.
저자인 이덕희 교수는 현재 KAIST 기술경영학부 교수로 재직 중인데 고려대에서 경제학 학사, 석사를 뉴욕주립대(버팔로)에서 경제학 박사 학위를 받았다. 『공자가 다시 쓴 자본주의 강의』(2015), 『정보통신경제학』(2010), 『부뚜막이 닳도록 : 어느 경제학자의 문화적 자존 이야기』(2010), 『네트워크 이코노미 : 부분과 전체의 복잡성에 대하여』(2008) 등 통섭적 관점을 바탕으로 한 다수의 서적을 집필했다.
2020.10.13
조회수 19455
-
스스로 그림 그리는 인공지능 반도체 칩 개발
전기및전자공학부 유회준 교수 연구팀이 생성적 적대 신경망(GAN: Generative Adversarial Network)을 저전력, 효율적으로 처리하는 인공지능(AI: Artificial Intelligent) 반도체를 개발했다.
연구팀이 개발한 인공지능 반도체는 다중-심층 신경망을 처리할 수 있고 이를 저전력의 모바일 기기에서도 학습할 수 있다. 연구팀은 이번 반도체 칩 개발을 통해 이미지 합성, 스타일 변환, 손상 이미지 복원 등의 생성형 인공지능 기술을 모바일 기기에서 구현하는 데 성공했다.
강상훈 박사과정이 1 저자로 참여한 이번 연구결과는 지난 2월 17일 3천여 명 반도체 연구자들이 미국 샌프란시스코에 모여 개최한 국제고체회로설계학회(ISSCC)에서 발표됐다. (논문명 : GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation)
기존에 많이 연구된 인공지능 기술인 분류형 모델(Discriminative Model)은 주어진 질문에 답을 하도록 학습된 인공지능 모델로 물체 인식 및 추적, 음성인식, 얼굴인식 등에 활용된다.
이와 달리 생성적 적대 신경망(GAN)은 새로운 이미지를 생성·재생성할 수 있어 이미지 스타일 변환, 영상 합성, 손상된 이미지 복원 등 광범위한 분야에 활용된다. 또한, 모바일 기기의 다양한 응용 프로그램(영상·이미지 내 사용자의 얼굴 합성)에도 사용돼 학계뿐만 아니라 산업계에서도 주목을 받고 있다.
그러나 생성적 적대 신경망은 기존의 딥러닝 네트워크와는 달리 여러 개의 심층 신경망으로 이루어진 구조로, 개별 심층 신경망마다 다른 요구 조건으로 최적화된 가속을 하는 것이 어렵다.
또한, 고해상도 이미지를 생성하기 위해 기존 심층 신경망 모델보다 수십 배 많은 연산량을 요구한다. 즉, 적대적 생성 신경망은 연산 능력이 제한적이고 사용되는 메모리가 작은 모바일 장치(스마트폰, 태블릿 등)에서는 소프트웨어만으로 구현할 수 없었다.
최근 모바일 기기에서 인공지능을 구현하기 위해 다양한 가속기 개발이 이뤄지고 있지만, 기존 연구들은 추론 단계만 지원하거나 단일-심층 신경망 학습에 한정돼 있다.
연구팀은 단일-심층 신경망뿐만 아니라 생성적 적대 신경망과 같은 다중-심층 신경망을 처리할 수 있으면서 모바일에서 학습도 가능한 인공지능 반도체 GANPU(Generative Adversarial Networks Processing Unit)를 개발해 모바일 장치의 인공지능 활용범위를 넓혔다.
연구팀이 개발한 인공지능 반도체는 서버로 데이터를 보내지 않고 모바일 장치 내에서 생성적 적대 신경망(GAN)을 스스로 학습할 수 있어 사생활을 보호를 가능케 하는 프로세서라는 점에서 그 활용도가 기대된다.
모바일 기기에서 저전력으로 다중-심층 신경망을 가속하기 위해서 다양한 핵심 기술이 필요하다. 연구팀이 개발한 GANPU에 사용된 핵심 기술 중 대표적인 기술 3가지는 ▲적응형 워크로드 할당(ASTM, 처리해야 할 워크로드*를 파악해 칩 상의 다중-심층 신경망의 연산 및 메모리 특성에 맞춰 시간·공간으로 나누어 할당함으로써 효율적으로 가속하는 방법) ▲입출력 희소성 활용 극대화(IOAS, 인공신경망 입력 데이터에서 나타나는 0뿐만 아니라 출력의 0도 예측해 연산에서 제외함으로써 추론 및 학습 과정에서의 속도와 에너지효율 극대화) ▲지수부만을 사용한 0 패턴 추측(EORS, 인공신경망 출력의 0을 예측하기 위한 알고리즘으로 인공신경망 입력과 연결 강도(weight)의 부동소수점 데이터 중 지수 부분만을 사용해 연산을 간단히 수행하는 방법)이다.
위의 기술을 사용함으로써 연구팀의 GANPU는 기존 최고 성능을 보이던 심층 신경망 학습 반도체 대비 4.8배 증가한 에너지효율을 달성했다.
연구팀은 GANPU의 활용 예시로 태블릿 카메라로 찍은 사진을 사용자가 직접 수정할 수 있는 응용 기술을 시연했다. 사진상의 얼굴에서 머리·안경·눈썹 등 17가지 특징에 대해 추가·삭제 및 수정사항을 입력하면 GANPU가 실시간으로 이를 자동으로 완성해 보여 주는 얼굴 수정 시스템을 개발했다.
2020.04.06
조회수 13880
-
재촬영 없이 MRI 강조영상 얻는 AI 기술 개발
우리 대학 바이오및뇌공학과 예종철 교수 연구팀 자기공명영상(magnetic resonance imaging: MRI)에서 재촬영 없이도 누락된 강조영상을 얻을 수 있는 인공지능 기술을 개발했다.
이 연구를 통해 각 질환별로 강조영상이 암의 진단에 미치는 영향을 객관적으로 밝힐 수 있으며, 실제 임상에서 고비용의 MRI를 효과적이고 체계적으로 활용할 수 있는 방안을 설계할 수 있을 것으로 기대된다.
이동욱 박사가 1 저자로 참여하고 건국대 의과대학 영상의학과 문원진 교수팀이 참여한 이번 연구 결과는 국제 학술지 ‘네이처 머신인테리젼스(Nature Machine Intelligence)’ 1월 18일 자 온라인판에 게재됐다. (논문명 : Assessing the importance of magnetic resonance contrasts using collaborative generative adversarial networks).
MRI는 엑스선 컴퓨터 단층촬영, 초음파와 더불어 임상 진단에서 중요한 역할을 하는 진단 장비이다. 특히 비침습적 방법으로 고해상도의 영상을 얻기 때문에 종양이나 병변을 관찰하며 진단하는데 매우 중요한 임상 정보를 제공한다. 이는 영상의 대조도 (contrast)를 다양하게 조절할 수 있는 MRI의 특징 덕분이다.
예를 들어 뇌종양을 진단하는 데 활용되는 T1·T2 강조영상, FLAIR 기법 영상, T1 조영증강 영상 등 여러 가지 대조 영상을 얻어 진단에 사용함으로써 종양을 찾을 수 있다.
하지만 실제 임상 환경에서는 강조영상을 모두 얻기 어려운 경우가 많다. 여러 장의 강조영상 촬영을 위해 촬영시간이 길어지기도 하고, 잡음이나 인공음영 발생으로 인해 진단에 사용하기 어려운 경우가 많기 때문이다.
또한, 뇌질환진단을 위한 MRI 검사는 의심 질환이 무엇인지에 따라 필수 강조영상이 달라지며, 이후 특정 질환으로 진단명이 좁혀지면서 부득이하게 누락된 강조영상을 확보하기 위한 재촬영이 필요한 경우가 많다. 이러한 상황에 의해 많은 시간과 비용이 소모된다.
최근 인공지능 분야에서 생성적 적대 신경망(Generative adversarial networks, GAN)이라는 딥러닝을 이용해 영상을 합성하는 기술이 많이 보고되고 있지만, 이 기술을 MRI 강조영상 합성에 사용하면 준비하고 미리 학습해야 하는 네트워크가 너무 많아지게 된다.
또한, 이러한 기법은 하나의 영상에서 다른 영상으로의 관계를 학습하기 때문에 몇 개의 강조영상의 존재하더라도 이 정보 간의 시너지를 활용하는 영상 학습기법이 없는 현실이다.
예 교수 연구팀은 자체 개발한 ‘협조·생성적 적대신경망(Collaborative Generative Adversarial Network : CollaGAN)’이라는 기술을 이용해 여러 MRI 강조영상의 공통 특징 공간을 학습함으로써 확장성의 문제를 해결했다.
이를 통해 어떤 대조 영상의 생성이 가능한지와 불가능한지에 대한 질문과, 그에 대한 체계적인 대답 기법을 제안했다.
즉, 여러 개의 강조영상 중에서 임의의 순서 및 개수로 영상이 없어져도 남아있는 영상을 통해 사라진 영상을 복원하는 기법을 학습한 후 합성된 영상의 임상적 정확도를 평가해, 강조 영상 간 중요도를 자동으로 평가할 수 있는 원천 기술을 개발했다.
예 교수 연구팀은 건국대 문원진 교수 연구팀과의 협력을 통해 T1강조·T2강조 영상과 같이 내인성 강조영상은 다른 영상으로부터 정확한 합성이 가능하며, 합성된 강조영상이 실제 영상과 매우 유사하게 임상 정보를 표현하고 있다는 것을 확인했다.
연구팀은 확보한 합성 영상이 뇌종양 분할기법을 통해 뇌종양 범위를 파악하는데 유용한 정보를 제공한다는 것을 확인했다. 또한, 현재 많이 사용되는 합성 MRI 기법(synthetic MRI)에서 생기는 인공음영 영상도 자동 제거가 가능함이 증명됐다. 이 기술을 이용하면 추가적인 재촬영을 하지 않고도 필요한 대조 영상을 생성해 시간과 비용을 비약적으로 줄일 수 있을 것으로 기대된다.
건국대 영상의학과 문원진 교수는 “연구에서 개발한 방법을 이용해 인공지능을 통한 합성 영상을 임상현장에서 이용하면 재촬영으로 인한 환자의 불편을 최소화하고 진단정확도를 높여 전체의료비용 절감 효과를 가져올 것이다”라고 말했다.
예종철 교수는 “인공지능이 진단과 영상처리에 사용되는 현재의 응용 범위를 넘어서, 진단의 중요도를 선택하고 진단 규약을 계획하는 데 중요한 역할을 할 수 있는 것을 보여준 독창적인 연구이다”라고 말했다.
이 연구는 한국연구재단의 중견연구자지원사업을 받아 수행됐다.
□ 그림 설명
그림1. CollaGAN의 작동 원리의 예
2020.01.30
조회수 10086
-
박성준 박사과정, 2019 구글 PhD 펠로우 선정
〈 박성준 박사과정 〉
우리 대학 전산학부 박성준 박사과정(지도교수 오혜연)이 2019년 구글 PhD 자연어처리(Natural Language Processing) 부문 펠로우에 선정됐다.
2009년부터 시작된 구글 PhD 펠로우십 프로그램은 매년 컴퓨터 과학과 관련된 유망한 분야에서 연구 업적이 훌륭하고 미래가 유망한 대학원생을 발굴하고 지원하는 프로그램이다.
선정된 학생들에게는 장학금과 펠로우십 서밋 참여, 인턴십 기회, 구글 각 분야의 전문가 멘토의 연구 토의 및 피드백 등을 제공한다.
올해는 북미, 유럽, 아시아, 아프리카의 대학에서 50여 명의 박사과정 학생들이 선발됐으며, 아시아에서는 한국 학생 3명을 포함해 10명의 학생이 선발됐다.
박성준 박사과정은 기계학습 기반 자연어처리 기법을 활용한 전산심리치료(Computational Psychotherapy) 관련 연구 성과를 인정받아 구글 PhD 펠로우에 선정됐다.
또한, 기계학습 기반 자연어처리에서 널리 사용되는 어휘의 분산표상 학습 기법을 한국어에 적용하는 방법을 제안했고, 학습된 분산표상을 해석하는 방법을 2017, 2018년에 각각 자연어처리 분야 최고 수준의 국제학술대회 ACL(Annual Conference of the Association for Computational Linguistics), EMNLP(Conference on Empirical Methods in Natural Language Processing)에 발표했다.
박 박사과정은 이를 확장해 심리상담 대화록에서 내담자의 언어 반응을 내담자 요인에 따라 분류하는 기준 및 기계학습 모델을 제안해 자연어처리 분야 최고 수준의 국제학술대회 NAACL(Annual Conference of the North American Chapter of the Association for Computational Linguistics)에서 발표했다.
최근에는 인공신경망 기반 대화 생성 모델 개발, 텍스트에서 복합적인 감정 추출 및 예측, 전산 심리치료 애플리케이션 개발 연구 또한 현재 활발하게 진행하고 있다.
2019.09.16
조회수 10080
-
조광현 교수, 뇌파 생성, 변조 담당하는 신경회로 원리 규명
〈 조광현 교수 연구팀 〉
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 뇌파의 생성 및 변조를 담당하는 핵심 신경회로를 규명하는 데 성공했다.
이를 통해 뇌의 동작원리를 밝힐 뿐 아니라 향후 여러 뇌질환 환자에게서 발생하는 비정상적 뇌파활동을 신경세포 네트워크 수준에서 규명하는 데 활용 가능할 것으로 기대된다. 이번 연구는 4차 산업혁명의 핵심기술로 주목받는 IT와 BT의 융합연구인 시스템생물학 연구로 규명했다는 의미를 갖는다.
이병욱 박사과정, 신동관 박사, 스티븐 그로스 박사가 함께 참여한 이번 연구는 국제 학술지 ‘셀 리포트(Cell Reports)’ 11월 6일자 온라인 판에 게재됐다.
뇌의 다양한 기능은 신경세포(뉴런) 사이의 복잡한 상호작용을 통해 이뤄진다. 특히 뉴런들의 동시다발적인 발화에 의해 형성되는 뇌파는 뇌의 활동 상태를 측정하는 가장 중요한 지표이며, 특정 기능을 수행하기 위해 영역 간 선택적 통신의 매개체 역할을 하는 것으로 알려져 있다.
또한 뇌파의 비정상적인 생성 및 변조 현상은 다양한 뇌질환과 밀접한 관계를 갖는 것으로 밝혀지고 있다. 이에 따라 전 세계 신경생물학 연구자들은 뇌파의 생성 및 변조 원리를 파악하기 위해 노력해 왔다.
그러나 뇌파의 생성 및 변조는 수많은 뉴런 사이의 복잡한 상호작용을 통해 발생하는 예측할 수 없는 창발적 특성(emergent property)을 갖기 때문에 기존의 신경 생물학 실험을 통해 그 원리를 규명하기에는 한계가 있었다.
조 교수 연구팀은 시스템생물학 기반의 연구방법을 통해 뇌파의 생성 및 변조 원리를 분석했다. 연구팀은 여러 뇌 영역 중 특히 감각 피질(sensory cortex)에 주목했다. 감각 피질은 외부 감각 정보를 처리하고 통합, 조절하는 핵심 영역으로 여러 주파수 대역의 뇌파와 변조를 관측할 수 있다.
연구팀은 최근 커넥토믹스 (connectomics) 연구를 통해 밝혀진 쥐의 감각피질 내 뉴런의 종류 및 뉴런 간 연결성 정보를 이용해 감각피질을 구성하는 뉴런들과 이들을 연결하는 시냅스를 수학 모델을 통해 표현하고 이로부터 신경회로를 구축해 뇌파의 생성 및 변조 과정을 분석했다.
연구팀은 대규모 컴퓨터 시뮬레이션 분석을 통해 흥분성 뉴런과 억제성 뉴런으로 구성된 양성피드백과 음성피드백의 중첩된 구조(interlinked positive and negative feedback)가 뇌파의 생성 및 주파수 변조 현상의 핵심회로임을 최초로 규명했다.
특히 연구팀은 기존의 전기생리학 실험을 통해 측정된 뉴런 간 시냅스의 특정 연결강도가 신경회로의 뇌파 생성 및 변조 기능을 극대화시킬 수 있는 최적의 조합임을 밝혀냈다.
이번에 개발한 수학모형을 활용하면 전통적 생물학 실험을 통해 파악이 어려웠던 뉴런들 간의 다양한 상호작용을 이해하고 신경회로의 복잡한 설계원리를 파악할 수 있을 것으로 기대된다.
또한 여러 뇌질환 환자의 뇌에서 관측되는 비정상적인 뇌파 활동을 신경네트워크 차원에서 분석하고 규명할 수 있을 것으로 예상된다.
시스템생물학 접근을 통한 신경회로의 구조 및 기능 분석은 인공지능의 발전에도 기여할 것으로 기대된다. 두뇌 신경회로의 작동원리에 대한 이해를 높인다면 컴퓨터 과학자들이 이를 이용해 새로운 인공지능 기술을 개발할 수 있다. 자폐증이나 집중력 조절장애 등과 관련된 신경회로 규명, 두뇌 치료 기술 개발 등의 원천 의료기술 개발에도 혁신으로 이어질 수 있다.
조 교수는 “지금껏 뇌파의 생성 및 변조를 담당하는 핵심 신경회로가 밝혀진 바가 없었다”며 “이번 연구에서는 최근 커넥토믹스 (connectomcis) 연구를 통해 점차 밝혀지고 있는 뉴런간의 복잡한 연결성에 숨겨진 설계원리를 시스템생물학 연구를 통해 찾아냄으로써 뇌의 동작원리를 파악할 수 있는 새로운 가능성을 제시했다”고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업, 그리고 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 뉴런 간 연결 강도에 내제된 기능적 설계원리 파악
그림2. 뇌파의 생성 및 변조를 담당하는 핵심 신경회로
2018.11.14
조회수 13503