Schrödinger, AlphaEvolve를 통해 분자 발견 속도를 4배 향상

계산 화학 연구에서는 정밀도가 높은 양자 역학 방법론이 너무 느리다는 한계가 있었습니다. 이를 해결하기 위해 **Machine-learned force fields (MLFFs)**가 등장했으나, 방대한 화학 라이브러리를 처리하기에는 여전히 연산 속도 제약이 존재했습니다.

Schrödinger는 이러한 성능 제약을 극복하기 위해 Google Cloud와 협력하여 AlphaEvolve를 도입했습니다. AlphaEvolve는 Google DeepMind가 개발한 진화형 AI 코딩 에이전트로, 알고리즘을 반복적으로 생성 및 개선하여 가장 효율적인 코드 경로를 찾아냅니다.

Schrödinger는 MLFF 학습 파이프라인 내에서 성능을 저하시키는 두 가지 핵심 알고리즘을 식별했습니다.

• Neighbor list computation: 원자 이웃 데이터를 집계하는 과정
• Ewald summation: 장거리 포텐셜을 계산하는 과정

이러한 알고리즘 병목 현상을 AlphaEvolve로 최적화함으로써, 에너지 및 힘 계산을 위한 AI 모델 학습 속도를 획기적으로 개선할 수 있었습니다.