KAIST（校长 Lee Kwanghyung）于25日表示，金在哲人工智能研究生院的 Yea Jongcheol 教授研究团队开发出一项人工智能技术，能够同时生成并预测分子结构及其生化特性，可广泛应用于各种化学课题。


KAIST开发可加速新药研发的化合物生成式AI技术 View original image

此次开发的人工智能技术在同时解决化学反应预测、毒性预测以及化合物结构设计等多种问题时，表现出超越既有人工智能技术的性能。尤其引人注目的是，这是一项在生成新化合物的同时，又能预测既有化合物特性的人工智能技术。


研究团队将化学特性数值的集合本身视为表征分子的 数据形式，与分子结构的表达式一并处理，提出了一种同时学习二者相关性的人工智能学习模型。通过引入主要在计算机视觉领域研究的多模态学习方法，以整合两种不同形式数据的方式，开发出一种既可生成满足目标化合物性质的新化合物结构，又可预测给定化合物性质的模型，实现了生成与性质预测特性的同步。


所提模型用于输入特征值的分子结构转换结果。(第1列) 直接输入给定基准分子的特征值向量（PV）后得到的分子结构，表现出与输入值一致的特性。(第2至第5列) 在基准分子的特征值向量中任意修改部分分量后输入所得的分子结构输出结果，在反映变更输入条件的同时，保持了其余特性。

所提模型用于输入特征值的分子结构转换结果。(第1列) 直接输入给定基准分子的特征值向量（PV）后得到的分子结构，表现出与输入值一致的特性。(第2至第5列) 在基准分子的特征值向量中任意修改部分分量后输入所得的分子结构输出结果，在反映变更输入条件的同时，保持了其余特性。

View original image

研究团队提出的模型在预测遵循50余种同时给定特性数值输入的分子结构等任务中，展现出解决既要求理解分子结构又要求理解分子特性的课题的能力。通过这种双数据的信息共享，在化学反应预测及毒性预测等多种问题上也被证实展现出超越既有人工智能技术的性能。


预计该研究不仅可应用于毒性预测、候选物质筛选等在众多产业领域中被高度重视的课题，还可拓展至更广泛、更丰富的分子类型以及高分子、蛋白质等多种生化领域。


Yea Jongcheol 教授表示：“通过开拓将新化合物生成技术与化合物特性预测技术相结合的化学领域新型生成式人工智能技术，我们为拓宽生成式人工智能技术的应用基础感到自豪。”


必读新闻

“月薪150万不如去美国年入5亿” 首尔大·KAIST人才纷纷收拾行囊 [科学家正在消失]① “月薪150万不如去美国年入5亿” 首尔大·KAIST人才纷纷收拾行囊 [科学家正在消失]①

在此次研究中，Yea Jongcheol 教授研究团队的硕博连读课程研究生 Jang Jinho 以第一作者身份参与。研究成果已发表于3月14日在线版国际学术期刊《Nature Communications》（《自然·通讯》）。（论文题目：Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model）


한글 기사 보기
本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。

不容错过的热点