냄새를 예측하는 AI: 분자 구조로 향기를 풀다

중국 연구진이 개발한 HMFNet은 원자 수준의 세밀한 특징 추출과 불균형 데이터 문제 해결을 통해 분자 냄새 예측의 정확도를 크게 향상시켰습니다. 향수, 식품, 의약품 등 다양한 분야에 활용될 가능성을 제시하며 AI 기반 기술 개발을 가속화할 것으로 기대됩니다.

과학자들이 분자 구조만으로 그 냄새를 예측하는 인공지능(AI) 모델 개발에 성공했습니다. 홍신협 등 중국 연구진이 개발한 'HMFNet'이 바로 그 주인공입니다. 향기 분자의 복잡한 구조를 정확하게 이해하고 예측하는 것은 늘 어려운 과제였습니다. 기존 방법들은 단순한 기술이나 수작업으로 만든 분자 지문을 사용하여 표현력이 부족하고 학습 효율이 떨어지는 문제점을 가지고 있었습니다. 게다가 특정 냄새 분자 데이터가 부족한 불균형 데이터 문제까지 안고 있었습니다.

하지만 HMFNet은 다릅니다. 핵심은 '특징 기여도 기반 다중 계층 미세 특징 매핑 네트워크'라는 독창적인 접근 방식입니다. 연구진은 원자 수준의 심층 특징 추출에 초점을 맞춘 '국소 다중 계층 특징 추출 모듈(LMFE)'을 개발했습니다. 이 모듈은 냄새 예측에 중요한 세밀한 특징들을 포착합니다. 여기에 **'조화 변조 특징 매핑(HMFM)'**을 통합하여 차별적인 원자 특징 추출을 강화했습니다. HMFM은 특징 중요도와 주파수 변조를 동적으로 학습하여 관련 패턴을 효과적으로 포착합니다. 더 나아가 **분자 그래프 위상에서 전역적 특징을 학습하는 '전역 다중 계층 특징 추출 모듈(GMFE)'**을 통해 전역 정보를 활용하여 예측 정확도를 높였습니다.

데이터 불균형 문제는 **'화학적 지식 기반 손실 함수(CIL)'**를 통해 해결했습니다. 실험 결과, HMFNet은 다양한 딥러닝 모델에서 성능 향상을 보였습니다. 이는 분자 구조 표현 방식의 발전과 AI 기반 기술 개발 가속화에 크게 기여할 것으로 기대됩니다. 향수 개발, 식품 산업, 의약품 개발 등 다양한 분야에서 활용될 가능성이 열렸습니다.

하지만, 아직 갈 길은 멉니다. 더욱 다양하고 방대한 데이터를 활용하여 모델의 정확도를 높이고, 다양한 종류의 냄새를 보다 정밀하게 예측하는 연구가 지속되어야 합니다. AI 기반 냄새 예측 기술의 발전은 우리의 삶을 풍요롭게 할 뿐만 아니라, 과학 기술 발전에도 큰 영향을 미칠 것입니다. 앞으로 더욱 발전된 AI 모델을 기대해 봅니다! ✨