
< (왼쪽부터) 화학과 김현우 교수, 김동훈 석박사통합과정, 최경선 석박사통합과정 >
임산부의 입덧 완화 목적으로 사용됐던 약물인 탈리도마이드(Thalidomide)는 생체 내에서는 광학 이성질체*의 특성으로 한쪽 이성질체는 진정 효과를 나타내지만, 다른 쪽은 기형 유발이라는 심각한 부작용을 일으킨다. 이런 예처럼, 신약 개발에서는 원하는 광학 이성질체만을 선택적으로 합성하는 정밀 유기합성 기술이 중요하다. 하지만, 여러 반응물을 동시에 분석하는 것 자체가 어려웠던 기존 방식을 극복하고, 우리 연구진이 세계 최초로 21종의 반응물을 동시에 정밀 분석하는 기술을 개발해, AI와 로봇을 활용하는 신약 개발에 획기적인 기여가 기대된다.
*광학 이성질체: 동일한 화학식을 가지며 거울상 관계에 있으면서 서로 겹칠 수 없는 비대칭 구조로 존재하는 분자 쌍을 말한다. 이는 왼손과 오른손처럼 형태는 유사하지만 포개어지지 않는 관계와 유사하다.
우리 대학 화학과 김현우 교수 연구팀이 인공지능 기반 자율합성* 시대에 적합한 혁신적인 광학이성질체 분석 기술을 개발했다고 16일 밝혔다. 이번 연구는 다수의 반응물을 동시에 투입해 진행하는 비대칭 촉매 반응을 고해상도 불소 핵자기공명분광기(19F NMR)를 활용해 정밀 분석한 세계 최초의 기술로, 신약 개발 및 촉매 최적화 등 다양한 분야에 획기적인 기여가 기대된다.
* 인공지능 기반 자율합성: 인공지능(AI)을 활용해 화학 물질 합성 과정을 자동화하고 최적화하는 첨단 기술로, 미래 실험실의 자동화 및 지능형 연구 환경을 구현할 핵심 요소로 주목받고 있다. AI가 실험 조건을 예측·조절하고 결과를 해석해 후속 실험을 스스로 설계함으로써 반복 실험 수행 시 인간 개입을 최소화해 연구 효율성과 혁신성을 크게 높인다.
현재 자율합성 시스템은 반응 설계부터 수행까지는 자동화가 가능하지만, 반응 결과 분석은 전통적 장비를 활용한 개별 처리 방식에 의존하고 있어 속도 저하와 병목 현상이 발생하며 고속 반복 실험에는 적합하지 않다는 문제점이 제기돼 왔다.
또한, 1990년대에 제안된 다기질 동시 스크리닝 기법은 반응 분석의 효율을 극대화할 전략으로 주목받았지만, 기존 크로마토그래피 기반 분석법의 한계로 인해 적용 가능한 기질 수가 제한적이었다. 특히 원하는 광학 이성질체만 선택하여 합성하는 비대칭 합성 반응에서는 10종 이상의 기질을 동시에 분석하는 것이 불가능에 가까웠다.

< 그림 1. 기존의 유기 반응 평가법은 단일 기질을 사용해 최적 반응 조건을 도출한 뒤, 해당 조건에서의 기질 범위를 하나씩 확장해나가는 방식을 따르기에 잠재적인 반응 가능 영역이 미처 탐색되지 않은 채로 남는다. 이를 극복하기 위해 고효율 스크리닝을 도입하여 기질에 대한 촉매의 반응성을 넓게 탐색하며, 특히 다기질 스크리닝과 함께 결합할 경우 반응의 범위와 경향성을 훨씬 더 넓고 체계적으로 파악할 수 있다. >
이러한 한계를 극복하기 위해, 연구팀은 다수의 반응물을 하나의 반응 용기에 투입하여 동시에 비대칭 촉매 반응을 수행한 뒤 불소 작용기를 생성물에 도입하고, 자체 개발한 카이랄 코발트 시약을 적용해 모든 광학 이성질체를 명확하게 정량 분석할 수 있는 불소 핵자기공명분광기(19F NMR) 기반 다기질 동시 스크리닝 기술을 구현했다.
연구팀은 19F NMR의 우수한 분해능과 민감도를 활용해, 21종 기질의 비대칭 합성 반응을 단일 반응 용기에서 동시에 수행하고 생성물의 수율과 광학 이성질체 비율을 별도의 분리 과정 없이 정량 측정하는 데 성공했다.
김현우 교수는 “여러 기질을 한 반응기에 넣고 비대칭 합성 반응을 동시에 수행하는 것은 누구나 할 수 있지만, 생성물 전체를 정확하게 분석하는 것은 지금까지 풀기 어려운 과제였다”며, “세계 최고 수준의 다기질 스크리닝 분석 기술을 구현함으로써 AI 기반 자율합성 플랫폼의 분석 역량 향상에 크게 기여할 수 있을 것으로 기대된다”고 말했다.

< 그림 2. 서로 다른 기질들을 하나의 반응기 안에서 동시에 반응시키는 다기질 비대칭 촉매 반응을 불소 핵자기공명을 활용해 분석하는 방법을 구현했다. 배경신호가 깨끗하고 화학적 이동 범위가 넓은 불소 핵자기공명의 특성 활용하여 각 기질의 반응성을 정량적으로 분석할 수 있으며, 코발트 금속 착물을 이용하여 모든 반응물의 광학활성까지 동시에 측정할 수 있음을 알 수 있다. >
이어 “이번 연구는 신약 개발에 필수적인 비대칭 촉매 반응의 효율성과 선택성을 신속히 검증할 수 있는 기술로, AI 기반 자율화 연구의 핵심 분석 도구로 활용될 전망이다”라고 밝혔다.

< 그림 3. 총 21가지의 기질을 사용한 다기질 환원아민화 반응에서 불소 핵자기공명 기반의 분석 플랫폼을 이용해 촉매 시스템에 따른 반응물의 수율과 광학활성을 동시에 측정한 것을 알 수 있다. 각 반응물의 수율은 색의 채도로, 광학활성도는 숫자로 표시하였다. >
이번 연구에는 우리 대학 화학과 김동훈 석박통합과정 학생(제1 저자), 최경선 석박통합과정 학생(제2 저자) 가 참여했으며, 화학 분야 세계적 권위의 국제 학술지 미국화학회지(Journal of the American Chemical Society) 에 2025년 5월 27일 자 온라인 게재됐다.
※ 논문명: One-pot Multisubstrate Screening for Asymmetric Catalysis Enabled by 19F NMR-based Simultaneous Chiral Analysis
※ DOI: 10.1021/jacs.5c03446
이번 연구는 한국연구재단 중견연구자 지원사업, 비대칭 촉매반응 디자인센터, KAIST KC30 프로젝트의 지원을 받아 수행됐다.

< 그림 4. 다기질 스크리닝 반응 수행과 불소 핵자기공명분광기를 활용하는 개념도 >
우리 대학은 과학기술정보통신부가 주관하는‘AI 특화 파운데이션 모델 개발 사업’의 ‘루닛 컨소시움’ 주요 참여기관으로 선정되어, 의과학·바이오 분야 AI 파운데이션 모델 개발에 본격 착수했다고 14일 밝혔다. 이번 사업을 통해 KAIST는 바이오·의료 데이터 전주기를 아우르는‘의과학 특화 AI 파운데이션 모델’을 개발하며, AI 기반 생명과학 혁신 생태계 조성을 주도할 계획이다. ‘루닛 컨소시움’에는 루닛을 중심으로 트릴리온랩스, 카카오헬스케어, 아이젠사이언스, SK바이오팜, 리벨리온 등 7개 기업과, KAIST, 서울대, NYU, 국민건강보험공단 일산병원, 용인세브란스병원 등 9개 의료기관 및 연구기관이 함께 참여한다. 본 컨소시엄은 최신 B200 GPU 256장을 지원받아, 의료 데이터를 처음부터 끝까지 연결해 분석하는 AI 시스템인‘증거사슬(Chai
2025-11-14우리 대학이 추진 중인 ‘K-글로벌 딥테크 창업 전략’이 구체적인 성과로 이어지고 있다. 우리 대학은 창업원이 육성한 의료 AI 솔루션 기업 ㈜배럴아이(대표 배현민)가 글로벌 헬스케어 선도기업으로부터 약 140억 원(미화 1,000만 달러) 규모의 전략적 시리즈 A 투자를 유치하며, KAIST 딥테크 창업 생태계의 대표 성공 사례로 자리매김했다고 14일 밝혔다. ■ KAIST, 연구기반 딥테크 창업 전주기 지원체계 강화 KAIST 창업원은 과학기술 기반 창업을 통한 혁신 생태계 조성을 목표로 기술사업화·창업보육·투자연계·글로벌 진출 등 전주기 지원체계를 운영하고 있다. ‘K-글로벌 딥테크 창업 전략’을 중심으로 연구성과의 시장 진입과 글로벌 투자 유치를 촉진하며, 대한민국을 대표하는 딥테크 창업 허브로 성장하고 있다. KAIST는 특히 AI, 바이오헬스, 반도체, 미래모빌리티 등 첨단 산업 분
2025-11-13목표 과업에 좋은 성능을 보이는 신경망 구조를 찾는 것은 큰 비용이 소요되어, 신경망의 성능을 효율적으로 예측하는 방법론이 활발히 연구되었다. 우리 대학 김재철AI대학원 소속 김선우 박사과정, 황현진 석박통합과정(지도교수 신기정)은 그래프 기반 사전학습을 이용하여, 기존의 효과적인 방법론의 성능을 개선하면서, 약 43배 빠른 예측 속도를 보이는 예측 기법을 개발하였다. 인공지능 모델은 최근 다양한 분야에서 괄목할 성과를 거두었지만, 모델의 신경망 구조가 해당 모델의 성능에 영향을 크게 미치는 특징이 있다. 그러나 목표 과업에 적합한 신경망 구조를 알고자 직접적으로 해당 신경망 구조를 학습 및 평가하는 방식은 큰 비용이 소요된다. 이를 해결하기 위해, 다른 인공지능 모델을 사용하여 특정 신경망 구조의 성능을 예측하는 방식이 사용되었다. 경량화된 예측 모델은 예측 속도는 빠르나 예측 성능이 낮다는 한계가 있었고, 최근 개발된 방법론은 예측 정확도는 높으나 예측 속도가 매우 느린 문
2025-11-11우리 대학은 11월 14일, 컴퓨터 과학 분야 세계적 권위의 학술대회인 ‘정보 및 지식관리 학회(The 34th International Conference on Information and Knowledge Management, CIKM 2025)’에서‘인간 중심 AI: 설명가능성과 신뢰성에서 실행 가능한 윤리까지(Human-Centric AI: From Explainability and Trustworthiness to Actionable Ethics)’를 주제로 국제 워크숍(워크샵 조직위원장: KAIST 김재철AI대학원 최재식 교수)을 개최할 예정이다. 이번 행사는 KAIST 김재철AI대학원이 주도하고 서울대, 서강대, 성균관대, 한국전자통신연구원(ETRI), 독일 TU Berlin 등 국내외 유수 기관이 공동으로 참여하는 자리다. AI 기술의 잠재적 위험을 줄이고 책임 있는 활용을 위한 ‘인간 중심 AI&rsquo
2025-11-07KAIST 연구진이 구글 딥마인드의 ‘알파폴드3(AlphaFold3)’를 뛰어넘는 차세대 바이오 AI 모델 ‘K-Fold’ 개발에 나섰다. 이번 연구를 통해 KAIST는 빠르고 정확한 신약 개발, 낮은 실패율, 그리고 AI 기반 과학 혁신을 실현하며, ‘AI가 과학을 돕는 시대’를 넘어 ‘AI가 과학을 이끄는 시대’를 여는 주역으로 떠오를 전망이다. KAIST(총장 이광형)는 과학기술정보통신부가 주관하는‘AI 특화 파운데이션 모델 개발 사업’의 주관기관으로 선정되어, 의과학·바이오 분야 AI 파운데이션 모델 개발에 본격 착수했다고 7일 밝혔다. KAIST는 이번 사업을 통해 국내 최고 수준의 인공지능(AI) 연구 역량을 바이오 분야에서도 입증하고, 신약 개발 등 첨단 바이오 AI 연구에 활용할 수 있는 차세대 파운데이션 모델 ‘K-Fold&rs
2025-11-07