분자 설계 AI, 결합 위치까지 고려한 생성 모델 'Fraglingo' 공개
Fraglingo: Molecular Design via Attachment-Aware Autoregressive Fragment Generation
arXivFraglingo는 분자 설계 과정에서 조각(fragment) 선택과 결합 위치 예측을 동시에 수행하는 혁신적인 AI 생성 모델입니다.
- 기존 방식이 고정된 어휘집에 제한되었던 것과 달리, 연속적인 잠재 공간에서 작동하여 재학습 없이도 새로운 조각 추가가 가능합니다.
- 분자 구조의 생성부터 골격 변형 및 최적화까지 전 과정을 통합적으로 지원하며 신약 개발 워크플로우를 혁신할 것으로 기대됩니다.
- 학습된 인코더만 있다면, 별도의 재학습 없이도 기존보다 훨씬 큰 규모의 조각 라이브러리를 처리하는 확장성을 갖췄습니다.
기존의 분자 설계 방식은 조각(fragment) 선택과 특정 부위에 연결하는 예측 과정을 분리하여 처리하는 경우가 많았습니다. 이로 인해 생성 과정이 고정된 어휘집에 제한되고, 결합 위치를 별도의 문제로 취급했습니다. Fraglingo는 이러한 한계를 극복하기 위해, 조각의 정체성과 결합(attachment)을 연속적인 잠재 공간에서 동시에 모델링하는 자기회귀적(autoregressive) 생성기입니다.
Fraglingo는 활성 결합 부위의 관점에서 성장하는 분자를 인코딩하는 '와일드카드 기반 판독부(wildcard-anchored readout)'를 도입하여, 예측된 이 분자 맥락과 요구되는 결합 위치 정보를 모두 포착하도록 합니다. 이 모델은 연속적인 임베딩 공간에서 작동하기 때문에, 재학습 없이도 새로운 조각을 추론 시점의 어휘집에 추가할 수 있으며, 이는 분자 생성부터 골격 변형 및 최적화까지 통합된 생성 원시 기능을 제공합니다.
제어 가능한 속성 조건 에서 Fraglingo는 비교 대상 모델들보다 더 강력한 결합 속성 제어를 달성하는 동시에 경쟁력 있는 유효성, 고유성, 신규성을 유지했습니다. 특히, 학습에 사용된 조각 라이브러리보다 최대 4배까지 큰 규모의 라이브러리에 대해서도 재학습 없이 일반화가 가능하다는 장점을 보여주었습니다.
용어 풀이
- 임베딩
- 글이나 이미지의 의미를 숫자 목록으로 바꾼 것. 의미가 비슷한 것을 찾을 때 써요.
- 벤치마크
- 모델 성능을 같은 조건에서 비교하려고 만든 시험 문제 모음.