아스피린과 이부프로펜을 합성하면 어떻게 될까? 하버드대 화학과의 앨런 아스푸루-구직은 두 약의 분자구조에서 그 답을 추측할 수 있는 프로그램을 개발하고 있다.

이 인공지능 프로그램은 신약을 발견에 쓰일 수도 있다. 제약 업계는 화학자들이 만든 법칙을 기반으로 수많은 후보 분자들을 일일이 확인하는 프로그램, 유용한 분자구조를 파악하거나 예측하는 시뮬레이션에 점점 더 의존하고 있다.

전자는 인간이 모든 것을 생각해야 한다는 단점이 있는 반면, 후자는 시뮬레이션의 정확도와 컴퓨터의 능력에 제한을 받는다는 게 단점이다.

아스푸루-구직의 프로그램은 사람이 덜 개입하고 많은 시뮬레이션을 할 필요도 없다. 이 프로그램은 수십 만 개의 약 성분 분자를 학습한 알고리즘에 기반한다.

“이 프로그램은 스스로 학습한 화학 지식을 이용해 마치 화학자처럼 직관적으로 문제를 해결한다. 이런 종류의 프로그램을 이용한다면 우리는 더 나은 화학자가 될 수 있다.”

아스푸루-구직은 2010년 MIT테크놀로지리뷰가 선정한 젊은 혁신가 중 한 명이다.
그가 만든 프로그램은 많은 IT 기업이 활용하고 있지만 아직 자연과학 분야에서는 확실하게 자리 잡지 못한 딥러닝이란 기계학습 방법을 사용하고 있다.

또 데이터에서 핵심 사실을 추출해 새롭고 그럴듯한 데이터를 만들어내는 생성 모델 방법을 사용한다.

지난 가을 아스푸루-구직과 하버드대, 토론토대, 캠브리지대의 동료들은 25만 개의 약 성분 분자들을 이용해 학습시킨 생성 모델을 만들어 결과를 발표했다.

이 프로그램은 기존의 성분을 조합해 새롭고 그럴듯한 구조를 생성할 수 있을 뿐 아니라 특정 분자가 어떤 성질을 가질 지 예측할 수 있다.

연구진은 디스플레이를 만드는 데 중요한 유기 LED 분자들의 데이터로 이 프로그램을 테스트해 보기도 했다.

그러나 때로는 비현실적인 분자구조를 제안하기 때문에 상용화하려면 화학구조에 대한 지식을 더 많이 축적해야 한다.

아스푸루-구직은 데이터가 더 많이 쌓이면 더 나은 결과를 낼 수 있을 것으로 기대하고 있다.

<본 기사는 테크M 제46호(2017년 2월) 기사입니다>