메타, 분자 연구용 새로운 오픈 AI 도구 출시

메타, 분자 연구를 위한 새로운 오픈 AI 도구 OMol25와 UMA 발표 메타가 인공지능 기반 화학 연구를 위해 가장 큰 오픈 데이터셋인 OMol25와, 분자 및 재료의 화학 특성을 예측하는 보편적 AI 모델인 UMA(Universal Model for Atoms)를 발표했습니다. OMol25는 1억 개 이상의 고정밀 분자 계산 데이터를 포함하고 있으며, 이전에 공개된 데이터셋보다 훨씬 큰 규모입니다. 메타에 따르면, 이 데이터셋을 생성하기 위해서는 60억 시간 이상의 슈퍼컴퓨팅 시간이 필요했습니다. OMol25는 소형 유기 화합물, 바이오분자(단백질 조각 및 DNA 세그먼트), 금속錯合物, 전해질 등 다양한 분자를 다룹니다. 또한 전하 상태, 스핀 상태, 여러 개의 구조 형태(공간 배치), 화학 반응 등의 정보도 포함되어 있습니다. 이 데이터셋의 주요 목적은 AI 모델들이 다양한 시나리오에서 분자의 행동을 학습하도록 돕는 것입니다. OMol25는 약물 발견, 배터리 재료 개발, 촉매 연구 등 다양한 용도로 공개되었습니다. 에너지와 힘 값 외에도 전하 분포, 전자 궤도, 기타 화학적 특성 등의 상세 정보가 포함되어 있어 더욱 유용합니다. OMol25 데이터셋은 Hugging Face에서 이용할 수 있습니다. UMA: 분자와 재료를 위한 보편적 AI 모델 OMol25와 다른 데이터셋들을 이용하여 훈련된 새로운 AI 모델 UMA는 원자 수준에서 화학 특성을 예측하며, 메타에 따르면 전통적인 방법보다 훨씬 빠르게 이를 수행합니다. 과거에는 각 작업마다 특화된 모델이 필요했지만, UMA는 약물 발견부터 재료 및 촉매 연구까지 다양한 응용 분야를 처리할 수 있습니다. 이 모델은 현대 그래프 신경망과 "Mixture of Linear Experts" 아키텍처를 사용해 속도와 정확성을 동시에 제공합니다. 벤치마크 테스트에서 UMA는 과거에 특화되고 미세 조정된 모델들만 가능했던 결과를 달성했습니다. UMA 덕분에 몇 일씩 걸리던 시뮬레이션과 계산이 이제 몇 초 안에 완료될 수 있게 되었으며, 메타는 이를 통해 연구원들이 실험실 합성 전에 수천 개의 새로운 분자를 약물이나 배터리 재료로서의 잠재력을 평가할 수 있을 것으로 기대하고 있습니다. UMA 모델은 Hugging Face에서 확인할 수 있습니다. 신속한 AI 시뮬레이션을 위한 새로운 방법 전통적인 AI 모델들은 새로운 분자 구조를 생성하기 위해 많은 양의 훈련 데이터가 필요했습니다. 메타는 이제 "Adjunct Sampling"이라는 새로운 방법을 소개하여 실제 사례가 없더라도 AI 모델이 학습하고 새로운 구조를 제안할 수 있도록 했습니다. 이 기술은 확률제어 이론의 개념을 활용하며, 메타 팀은 특히 분자 시뮬레이션에 적합하다고 설명합니다. Adjunct Sampling은 몇 가지 계산만으로도 많은 구조 변형을 신속하게 탐색할 수 있습니다. 초기 테스트에서는 이 방법이 많은 유동성 성분을 가진 분자의 경우 고전적인 소프트웨어를 능가하거나 최소한 그에 맞먹는 분자 구조를 생성하는 데 성공했습니다. 모델, 코드, 추가 정보는 Hugging Face와 GitHub에서 제공됩니다. 향후 과제 메타는 이러한 진보에도 불구하고 여전히 해결해야 할 문제들이 있다고 지적합니다. 일부 화학 영역—폴리머, 특정 금속, 복잡한 양성자화 상태 등—은 아직 완전히 포함되지 않았습니다. 또한 AI 모델들은 전하, 스핀, 장거리 상호작용 등을 예측하는 능력을 향상시켜야 합니다. 산업 내부자들의 평가는 메타의 이 두 가지 발전이 분자 연구와 재료 과학 분야에서 혁신적인 변화를 가져올 수 있다는 점에 주목하고 있습니다. OMol25와 UMA는 대규모 데이터와 빠른 예측 능력을 바탕으로 연구 과정을 가속화하고, 연구 비용을 절감할 수 있는 가능성을 열어주었습니다. 메타는 이 기술을 통해 미래의 과학적 연구가 더욱 효율적으로 진행될 것임을 강조하고 있으며, 이를 통해 더 많은 연구자가 혁신적인 발견을 할 수 있게 될 것으로 기대됩니다.