본문 바로가기 대메뉴 바로가기
닫기

연구

화학 원리 이해한 AI 등장...신약·신소재 개발 속도 높인다​
조회수 : 3383 등록일 : 2026-02-10 작성자 : 홍보실

(좌상단부터) KAIST 김우연 교수, KISTI 우제헌 박사, KAIST 김성환 박사, 김준형 박사과정

< (좌상단부터) KAIST 김우연 교수, KISTI 우제헌 박사, KAIST 김성환 박사, 김준형 박사과정 >

스마트폰 배터리가 얼마나 오래 가는지, 난치병을 치료할 신약이 나올 수 있을지는 모두 재료 물질을 구성하는 원자들이 얼마나 안정적으로 결합하느냐에 달려 있다. 이 수많은 원자를 어떻게 배치해야 가장 안정적인 분자가 되는지를 찾는 과정이 ‘분자 설계’의 핵심 과정인데, 그동안은 거대한 산에서 가장 낮은 골짜기를 찾는 것처럼 어려워 막대한 시간과 비용이 필요했다. 우리 대학 연구진이 인공지능으로 이 과정을 빠르고 정확하게 해결하는 신기술을 개발했다.

우리 대학은 화학과 김우연 교수 연구팀이 분자의 안정성을 좌우하는 물리 법칙을 스스로 이해해 구조를 예측하는 인공지능 모델 ‘리만 확산 모델(R-DM)’을 개발했다고 10일 밝혔다.

이 모델의 가장 큰 특징은 분자의 ‘에너지’를 직접 고려한다는 점이다. 기존 인공지능이 분자의 모양을 단순히 흉내 냈다면, R-DM은 분자 내부에서 어떤 힘이 작용하는지를 고려하여 구조를 스스로 다듬는다. 연구팀은 분자 구조를 에너지가 높을수록 언덕, 낮을수록 골짜기로 표현한 지도로 나타내고, 인공지능이 가장 에너지가 낮은 골짜기를 찾아 이동하도록 설계했다.

R-DM은 이러한 에너지 지형 위에서 불안정한 구조를 피해 가장 안정적인 상태를 찾아가며 분자를 완성한다. 이는 수학 이론인 ‘리만 기하학’을 적용한 것으로, 화학의 기본 원리인 ‘물질은 에너지가 가장 낮은 상태를 선호한다’는 법칙을 인공지능이 스스로 학습한 결과다.

실험 결과, R-DM은 기존 인공지능보다 최대 20배 이상 높은 정확도를 보였으며, 예측 오차는 정밀 양자역학 계산과 거의 차이가 없는 수준까지 줄어들었다. 이는 AI 기반 분자 구조 예측 기술 중 세계 최고 수준의 성능이다.

유클리드 공간과 리만 공간에서의 에너지 지형비교

< 유클리드 공간과 리만 공간에서의 에너지 지형비교 >

이 기술은 신약 개발은 물론 차세대 배터리 소재, 고성능 촉매 설계 등 다양한 분야에서 활용될 수 있다. 많은 시간이 걸리던 분자 설계 과정을 크게 단축해 연구개발 속도를 획기적으로 높여줄 ‘AI 시뮬레이터’로 기대된다. 또한 화학 사고나 유해 물질 확산처럼 실험이 어려운 상황에서도 화학 반응 경로를 빠르게 예측할 수 있어, 환경·안전 분야에서도 활용 가능성이 크다.

김우연 교수는 “인공지능이 화학의 기본 원리를 이해하고 분자의 안정성을 스스로 판단한 첫 사례”라며 “신소재 개발 방식을 근본적으로 바꿀 수 있는 기술”이라고 말했다.

리만확산모델 활용 이미지(ai 생성 이미지)

< 리만확산모델 활용 이미지(ai 생성 이미지) >

본 연구는 KISTI 슈퍼컴퓨팅센터 우제헌 박사와 KAIST 혁신신약연구단 김성환 박사가 공동 1저자로 연구를 주도했으며 연구 결과는 세계적 학술지 네이퍼 컴퓨테이셔널 사이언스(Nature Computational Science)에 1월 2일에 게재됐다.
※ 논문명: Riemannian Denoising Model for Molecular Structure Optimization with Chemical Accuracy, DOI: 10.1038/s43588-025-00919-1

한편, 이번 연구는 한국환경산업기술원의 화학사고 예측-예방 고도화 기술개발사업, 과학기술정보통신부 과학기술원 인노코어(InnoCore) 사업, 과학기술정보통신부의 지원을 받아 한국연구재단이 수행하는 데이터사이언스 융합인재양성사업의 지원으로 수행되었다.

AI분자 설계리만 확산 모델(R-DM)에너지골짜기 김우연 자연과학대학 화학과
목록
관련뉴스