▲ IBM RXN은 AI와 로봇의 결합을 통해 분자연구와 화학연구를 가속화한다. 기간과 비용을 10분의 1로 줄여 코로나19 치료법 등을 더 빨리 찾게 해 줄 것으로 기대를 모은다. (사진=IBM)

IBM이 인공지능(AI)과 로봇을 결합해 분자 및 화학연구를 가속화한다고 ‘테크리퍼블릭’이 보도했다.

유기 분자의 합성은 아스피린에서 나일론에 이르는 과학연구와 상업적 제품 개발에 필수적이다. 지금까지 이 과정은 고도의 수작업에다 집약적 노동에 의존해 왔으며 여러 단계를 거쳐야 했다. 이런 과정은 연구의 진전이 늦은 데다 특히 코로나19 치료제와 백신 개발이 시급한 이 시점에서는 연구자들에게 좌절감을 줄 수 밖에 없다.

그러나 IBM의 최신 화학용 ‘로보RXN’의 등장은 이런 문제를 일거에 해소해 줄 것으로 기대를 모은다. 당장 AI와 로봇이 힘을 합치는 이 방법은 코로나19 치료법을 더 빨리 찾게 해 줄 것으로 기대를 모은다. 게다가 과학에 종사하지 않는 사람들도 이 프로젝트를 통해 배울 수 있다.

IBM 과학 연구팀은 스위스 취리히에서 실시된 클라우드 기반 시연회를 갖고, 연구실에서 이뤄진 분자 구성물의 물리적 분자혼합에서 테스트에 이르는 성공적 개발 전과정을 보여주는 협업연구·AI와 기계학습·로봇 자동화 간 통합 성과를 과시했다.

크리스 시아카 IBM 유럽연구소 홍보 책임자는 새로운 분자의 창조를 애플 파이 굽기에 비유했다. 그는 “당신에게는 사과, 설탕, 밀가루, 음식 결합제 같은 재료가 있다. 그러면 당신은 이 재료들을 섞어서 최종 파이를 만드는 방법에 대한 지시를 따른다”고 말한다. 분자를 형성하기 위한 필수 재료 요리법은 비슷하다. 필요한 재료를 정확히 정해진 대로 양을 더해 섞는다. 그런 다음 성분을 어떻게 처리하고 혼합하는지에 대한 일련의 조치, 그리고 정해진 지시를 자동으로 따르는 로봇이 있다.

이 과정은 특히 과학연구 분야의 개인들을 대상으로 하고 있지만, IT·AI·기계학습·로봇공학 통합자를 위한 일반 강의도 있다. 이 과정은 다음처럼 나뉘어진다.

◆1.노이즈 자료 처리 방법

시연에서 분자 발전의 사전 단계는 이미 전 세계 연구자와 과학자들이 개발한 방대한 양의 전 연구결과를 흡수하는 것이었다. 초기에는 시스템에 다량의 원시 데이터가 입력됐으며, ‘노이즈’데이터가 사전에 제거되도록 실험과 무관한 데이터를 자동화된 방식으로 분리해야 했다.

그는 “우리는 이미 데이터 검사를 위해 시스템 AI와 기계학습 모델을 교육했다”고 말했다. 또 “원천 데이터가 몰려 들어오면서 시스템 AI와 기계학습 모델은 스스로에게 ‘내가 배운 적이 없는 데이터인가, 아니면 거의 배우지 못한 데이터인가, 아니면 여러 번 배운 데이터인가?’라고 자문할 것이다. 데이터가 거의 또는 전혀 학습되지 않았거나 드물게 학습된 경우에는 연구와 무관한 노이즈로 분류해 제거했다. 모델에 자주 올라온 데이터라면 보유했다. 데이터 품질과 청소를 이렇게 수행했다”고 설명했다.

◆2. 고신뢰성 제품 분석에 AI를 어떻게 실시간으로 활용할까?

연구원들은 실험 전 이미 그들이 만들고자 했던 분자의 프로필을 가지고 있었다. 그들은 AI 모델을 통해 사전 단계에서 말끔하게 정돈된 데이터를 사용했고, 그 데이터를 분자 형성을 위해 필요한 성분과 작용의 암호화된 ‘레시피’와 통합했다.

결국 이 레시피는 실험실에서 로봇을 이용했다. 로봇은 시험관에 주입하고 재료를 섞었다. 이 과정에서 실시간 분석이 실행됐다. 최종 목표는 연구자들이 개발하기를 희망한 분자의 ‘지문’을 식별하는 것이었다. 분자 지문 분석과 실시간 매칭은 AI가 프로세스 실행 중 수행한 작업이었다. 이 분석 단계가 수행되면서 AI는 자신이 사용하던 학습 모델을 기반으로 분자 반응별 신뢰도를 할당했다.

◆3. 연구개발(R&D) 가속화

AI, 기계학습, 로봇자동화는 생명과학과 연구자들의 연구 주기를 평균 10년·1000만 달러(약 119억 원)에서 1년·100만 달러(약 12억 원)으로 줄여줄 수 있는 잠재력을 갖고 있다. 그러나 연구나 생명과학에 종사하지 않더라도 IBM이 사용하고 있는 데이터 기법과 분석의 잠재력은 다양한 분야에 활용하는 데 도움이 될 수 있다. 데이터 노이즈 제거 기술과 실시간 분석은 광범위한 산업에서 많은 자동화된 프로세스에 필수적일 가능성이 높다.