[논문 리뷰] Molecular Inverse-Design Platform for Material Industries

Seiji Takeda, Toshiyuki Hama외 18명|arXiv (Cornell University)|2020. 04. 24.

Machine Learning in Materials Science참고 문헌 2인용 수 4

한 줄 요약

이 논문은 산업적 소재 개발을 위해 맞춤형으로 설계된 AI 기반 분자 역설계 플랫폼을 제시한다. 하위구조 기반 특성 인코딩과 분자 그래프 생성을 결합하여 새로운 분자의 빠르고 해석 가능하며 사용자 맞춤형 설계를 가능하게 한다. 클라우드 인프라에 구축되어 다섯 개의 파트너 기업에서 사용 중이며, 전문 화학자들보다 설계 속도가 10배 이상 빨라졌고, 화학적 현실성은 유지하면서도 구조적 다양성이 크게 향상되었다. 당과 염료 분자 설계 사례에서 이를 입증하였다.

ABSTRACT

The discovery of new materials has been the essential force which brings a discontinuous improvement to industrial products' performance. However, the extra-vast combinatorial design space of material structures exceeds human experts' capability to explore all, thereby hampering material development. In this paper, we present a material industry-oriented web platform of an AI-driven molecular inverse-design system, which automatically designs brand new molecular structures rapidly and diversely. Different from existing inverse-design solutions, in this system, the combination of substructure-based feature encoding and molecular graph generation algorithms allows a user to gain high-speed, interpretable, and customizable design process. Also, a hierarchical data structure and user-oriented UI provide a flexible and intuitive workflow. The system is deployed on IBM's and our client's cloud servers and has been used by 5 partner companies. To illustrate actual industrial use cases, we exhibit inverse-design of sugar and dye molecules, that were carried out by experimental chemists in those client companies. Compared to general human chemist's standard performance, the molecular design speed was accelerated more than 10 times, and greatly increased variety was observed in the inverse-designed molecules without loss of chemical realism.

연구 동기 및 목표

• 물질 산업 분야에서 인간 전문가의 능력 이상으로 광범위한 조합적 분자 설계 공간을 탐색하는 데 도전하는 것.
• 산업 화학자들이 빠르게 새로운, 다양한, 화학적으로 타당한 분자 구조를 생성할 수 있도록 확장 가능하고 사용자 友好的한 웹 플랫폼을 개발하는 것.
• 실제 소재 발견에 활용 가능한 실천적 산업 워크플로우와 통합된 해석 가능한 AI 기법을 통합하는 것.
• 실제 산업 파artner들과의 협업을 통해 염료 및 당 분자 설계 사례를 통해 플랫폼의 효과성을 입증하는 것.

제안 방법

• 플랫폼은 화학적 해석 가능성을 유지하는 방식으로 분자 구조를 하위구조 기반 특성 인코딩으로 표현한다.
• 사용자가 정의한 목표 성질을 바탕으로 새로운 분자 구조를 합성하기 위해 분자 그래프 생성 알고리즘을 사용한다.
• 유연하고 확장 가능한 처리를 지원하기 위해 분자 데이터와 설계 워크플로우를 계층적 데이터 구조로 조직한다.
• 비전문가 사용자도 직관적으로 상호작용하고 맞춤화할 수 있도록 사용자 중심의 그래픽 인터페이스를 특징으로 한다.
• IBM 및 고객 클라우드 서버에 플랫폼을 배포하여 보안성, 확장성, 접근성을 확보한 산업적 활용을 보장한다.
• 합성 가능성과 현실성을 확보하기 위해 딥 생성 모델과 화학 규칙의 조합을 통해 설계 과정을 이끌어낸다.

실험 결과

연구 질문

• RQ1 AI 기반의 역설계 플랫폼은 산업 현장에서 화학적 타당성을 유지하면서도 분자 설계 속도를 크게 향상시킬 수 있는가?
• RQ2 산업 사용자를 대상으로 한 고속 분자 생성 과정에서 해석 가능성과 맞춤화 기능을 어떻게 유지할 수 있는가?
• RQ3 기존 전문가 중심 접근 방식에 비해 이러한 시스템이 얼마나 높은 구조적 다양성을 증가시킬 수 있는가?
• RQ4 이 플랫폼은 실제 산업 R&D 워크플로우에 효과적으로 구현되고 도입될 수 있는가?

주요 결과

• 플랫폼은 산업 현장 응용 사례에서 전문 화학자들의 표준 성능보다 분자 설계 속도가 10배 이상 빨라졌다.
• 역설계된 분자들은 기존 방법에 비해 상당히 높은 구조적 다양성을 보였다.
• 모든 생성된 분자들은 전문 화학자들과 구조 분석을 통해 검증된 바, 높은 화학적 현실성을 유지했다.
• 플랫폼은 실제 R&D 워크플로우에서 다섯 개의 산업 파artner 기업에서 성공적으로 배포되고 사용되었다.
• 하위구조 인코딩과 그래프 생성의 통합은 분자 설계의 속도와 해석 가능성 둘 다를 가능하게 했다.
• 사용자 피드백을 통해 플랫폼의 직관적인 인터페이스와 산업 소재 개발 가속화에 실질적인 가치가 있음을 확인했다.