[그림 1] 연구팀이 개발한 인공지능 방법론의 구조 모식도

f

연구팀이 개발한 인공지능 방법론의 구조 모식도

연구팀이 개발한 인공지능 방법론의 구조 모식

신물질 개발을 위한 분자 특성 예측 시, 기존 기술 발전의 걸림돌이었던 복잡한 대규모 양자역학 계산이 불필요,

소규모 분자의 전자 특성을 자동 조합하여 추론 → 정확한 분자 특성 예측 가능

신물질 개발을 위한 분자 특성 예측 시, 기존 기술 발전의 걸림돌이었던 복잡한 대규모 양자역학 계산이 불필요

소규모 분자의 전자 특성을 자동 조합하여 추론 → 정확한 분자 특성 예측 가능

구조 정보에 대한 
확산 모델로 구조 

생성

전자 수준 정보에 
대한 확산 모델로 

정보 추론

   분자 특성을 예측하려는

분자의 2D 구조 를 입력하고 

입력 분자 구조를 분해 

1

분해된 각 분자 구조에 대해

불완전한 전자 수준 정보 를 

데이터베이스에서 추출

2

자기지도 학습 레이블

데이터

: 

분해된 분자 구조: 

입력 

(원본) 분자 구조: 

구조 정보 에 

대한 확산 모델

입력 분자의 

불완전한 전자

수준 정보: 

전자 수준 정보 에 

대한 확산 모델

추론된 

전자 수준

정보

: 

최종 예측 모델:

𝐺

𝑇

구조 정보 에 대한 확산 모델

자기지도 기반 확산 과정

:

…

𝑝(𝐺𝑡 −1∨𝐺𝑡)

≈

불완전한

전자 수준 정보

추론된

전자 수준 정보

a. DELID의 전체 학습 및 예측 구조

b. 전자 수준 정보 를 추론하기 위한 자기지도 학습

𝐺

𝑡 −1

𝐺

𝑡

…

𝐺

0

𝒔

𝑇

전자 수준 정보 에 대한 확산 모델

…

𝑝(𝒔𝑡−1∨ 𝒔𝑡)

𝒔

𝑡 −1

𝒔

𝑡

…

𝒔

0

𝜓 (𝐬;𝐺)

𝑓 (𝐺)

   추론된 전자 수준 정보 를

기반으로 입력 분자의

실제 특성을 예측

3

자기지도 확산 모델에서는 최종 추론된

전자 수준 정보가 입력 분자의 구조를 정확히

설명하도록 확산 학습이 진행

4

f

[그림 2] 약 3만 건의 실험 데이터에 대한 분자 특성 예측 정확도 (DELID: 연구에서 개발한 인공지능 모델)

약 3만 건의 실험 데이터에 대한 분자 특성 예측 정확도 (DELID: 연구에서 개발한 인공지능 모델)

약 3만 건의 실험 데이터에 대한 분자 특성 예측 정확도 (DELID: 연구에서 개발한 인공지능 모델

예측 실패(N/A)가 많은

어려운 문제에 해당,

세계 최고 수준 AI 마저 

31~44%

의 낮은 정확도로

분자의 광학적 성질을 예측

9

개의 분자 특성 예측

문제 중 8개의 문제에서

최고 수준 정확도 달성

이번에 개발한 ‘DELID’ AI는 

88%

의 높은 정확도로

분자의 광학적 성질을 예측

기존 모델 대비

2

배 이상

(103~184%)

정확도 향상

광학 특성 예측 문제(CH-DC, CH-AC)

: OLED

•태양전지 재료 설계 등에 활용

(

교신저자) KAIST

박찬영 교수

(1

저자, 교신저자) 화학연

나경석 선임연구원

[그림 3] 주요 논문 기여자(왼쪽부터 화학연 나경석 선임(1저자, 교신저자), 박찬영 교수(교신저자))