Nature 게재 역합성 AI 'RetroChimera' 공개… 전문가 평가서 기존 모델 대비 월등한 성능 입증

Microsoft가 Nature 저널에 게재한 역합성(retrosynthesis) AI 모델 RetroChimera의 구현 코드와 가중치를 MIT 라이선스로 공개했다. 이 모델은 복잡한 분자 합성 경로를 자동 제안하여 신약 개발 및 스마트 소재 설계의 효율성을 높이는 데 기여할 것으로 기대된다.

상보적 모델 결합 아키텍처

RetroChimera는 서로 다른 강점을 가진 두 모델을 앙상블 방식으로 결합한 프레임워크다.

• R-SMILES 2: Transformer 기반의 de-novo 모델로, 반응 과정에서 큰 변화가 일어나는 반응에 강점이 있으나 환각(hallucination) 위험이 있다.
• NeuralLoc: 그래프 신경망(GNN) 기반 모델로, 낮은 우선순위(low precedence) 반응 및 국소적인 변화(localized changes)를 포함하는 반응에서 뛰어난 성능을 보인다.

두 모델의 예측 결과를 학습된 재순위화(learned re-ranking) 전략으로 통합해, 단일 모델보다 더 정확하고 신뢰할 수 있는 합성 경로를 제안한다.

전문가 평가 및 성능

PhD급 화학자들이 참여한 블라인드 테스트에서 RetroChimera의 개별 반응 예측은 기존 모델 및 문헌에 기록된 반응보다 선호되었다. 특히 어려운 타겟 10개 중 9개에서 성공적인 다단계 합성 경로를 찾아내며, 비교 대상인 NeuralSym 등 기존 모델(2개 성공) 대비 월등한 성능을 입증했다.