신약과 신소재 탐색은 늘 같은 벽에 부딪힙니다. 가장 알고 싶은 성질에 대해서는 측정된 데이터가 거의 없다는 것입니다. 딥러닝 모델은 보통 전통적인 방 법보다 데이터가 적게가 아니라 더 많이 필요합니다. MIT와 화학 기업 BASF가 만든 공개 모델 CheMeleon은 바로 이 공백을 겨냥했고, 논문이 동료 심사를 통과하기 전부터 산업 현장에서 쓰였습니다.
발상은 싸고 풍부한 것으로 사전 학습하는 것입니다. 팀은 화학 문헌을 뒤지는 대신 미국 국립보건원이 운영하는 무료 데이터베이스 PubChem에서 약 100만 개의 분자를 가져와, 분자마다 약 1,600개의 표준 기술자를 계산했습니다. 분자량, 산소 원자 수, 분자가 얼마나 가지를 치는지처럼 화학자들이 수십 년에 걸쳐 정의해 온 값입니다. 모델은 구조로부터 이 기술자들을 예측하도록 배우면서 화학에 대한 일반적인 감각을 익힙니다. 그다음에는 용해도와 점도부터 특정 단백질과의 결합까지, 특정 목표에 맞춰 소수의 측정값만으로 미세 조정할 수 있어 모든 것을 처음부터 배울 필요가 없습니다.
지금까지 보고된 결과는 강력합니다. 저자들에 따르면 58개 시험 사례에서 CheMeleon은 다른 기반 모델과 전문가가 설계한 고전적 모델을 모두 앞섰습니다. 올해 열린 대규모 OpenADMET 대회, 즉 아직 합성되지 않은 분자의 성질을 예측하는 대회에서는 상위 20개 참가작 중 9개가 이 모델을 썼습니다. 그룹을 이끄는 MIT의 William Green 교수에 따르면, 적어도 한 제약사는 이후 직원들에게 모든 성질 예측 모델을 CheMeleon으로 시작하라고 지시했습니다. 논문은 이제 Journal of Chemical Information and Modeling에 실렸고, 모델은 그룹의 오픈소스 패키지 ChemProp로 내려받아 미세 조정할 수 있습니다.
이 접근은 기반 모델의 흔한 이야기를 깔끔하게 뒤집습니다. ChatGPT와 Claude 뒤에 있는 것 같은 언어 모델은 방대한 인간의 글에서 배우지만, CheMeleon은 컴퓨터가 공짜로 계 산하는 숫자에서 배워, 실험 데이터 부족이 해결되길 기다리지 않고 이를 우회합니다.
어느 정도 신중함은 필요합니다. 근거는 대학 보도자료를 통해 나왔고, 오차 수치 대신 벤치마크에 대한 저자들의 요약을 인용합니다. 기술자는 화학자들이 이미 계산할 줄 아는 것만 담기 때문에, 그들이 놓친 요인에 좌우되는 성질은 여전히 실제 실험이 필요할 수 있습니다. 또 대회 성적은 다음에 어떤 분자를 만들지 고르는 데 쓸모 있다는 것을 보여 줄 뿐, 중요한 분자를 실제로 시험하는 일을 대신하지는 않습니다.