The Precursor Genome: A Pairwise Reaction Dataset for Solid-State Synthesis

완벽한 쿠키를 굽는다고 상상해 보세요. 하지만 밀가루와 설탕 대신 녹, 초크, 금속 산화물 같은 이상한 가루들을 섞어서 완전히 새로운 재료를 만드는 것입니다. 수십 년 동안 과학자들은 자신들의 주방에서 이러한 "무기물 쿠키"를 하나씩 구워내며, 성공한 레시피만을 기록해 왔습니다. 만약 한 배치가 반응하지 않은 슬픈 덩어리가 되었다면, 그들은 보통 그것을 쓰레기통에 던져버리고 잊어버렸습니다. 이는 더 잘 굽는 법을 배우고 싶을 때, 오직 "성공 사례"의 목록만을 갖게 된다는 것을 의미하며, 실패로부터 얻을 수 있는 모든 중요한 교훈을 놓치게 된다는 뜻이기도 합니다.

이때 등장한 것이 바로 과학자 팀과 A-Lab이라는 로봇 셰프가 만든 거대한 요리책, **프리커서 게놈(Precursor Genome)**입니다.

로봇 셰프와 위대한 쿠키 실험

A-Lab은 "자율 주행 실험실(self-driving laboratory)"로, 기본적으로 지치지 않고, 단계를 잊지 않으며, 실패한 배치를 숨기지도 않는 초스마트 로봇 팔이 운영하는 주방입니다. 연구진은 서로 다른 두 종류의 시작 가루(프리커서라고 불림)를 섞었을 때 어떤 일이 일어나는지 알고 싶었습니다. 그들은 39가지 서로 다른 원소를 포함하는 46가지의 다양한 가루 쌍을 선택했습니다. 이것은 마치 고체 화학을 위한 궁극의 식재료 창고와 같습니다.

그들은 단순히 몇 개를 섞은 것이 아닙니다. 그들은 1,035개의 독특한 쌍체 반응(pairwise reactions)을 만들어냈습니다. 무려 천 개 이상의 실험입니다! 그리고 여기서 핵심은, 그들이 승자만을 살펴본 것이 아니라는 점입니다. 그들은 결과가 제대로 나오지 않은 것들, 이상한 중간 형태가 된 것들, 혹은 그냥 아무 반응 없이 그대로 있는 것들을 포함하여 모든 결과를 기록했습니다.

실패라는 이름의 "블랙박스"

보통 과학자가 두 가루를 섞었는데 아무 일도 일어나지 않으면, "작동하지 않음"이라고 적고 넘어가곤 합니다. 하지만 A-Lab은 다릅니다. 이 실험실은 마치 법의학 탐정처럼 행동합니다. 모든 반응에 대해 다음과 같은 사항을 측정했습니다:

• 정확히 오븐이 얼마나 뜨거워졌고 얼마나 오래 유지되었는지 (열 프로필).
• 가루가 얼마나 들어갔고 얼마나 나왔는지 (질량).
• 로봇의 "눈"(X선 회절 스캐너)이 혼합물 내부에서 무엇을 보았는지.

그들은 혼합물 내부를 들여다보기 위해 1,351번의 X선 스캔을 실행했습니다. 이는 마치 초콜릿 칩이 실제로 녹았는지, 아니면 그냥 딱딱한 돌처럼 그대로 있는지 확인하기 위해 쿠키를 X-레이로 찍는 것과 같습니다.

마법의 해독 반지 (Dara)

로봇이 베이킹을 마친 후에는 X선 사진이라는 거대한 산이 쌓였습니다. 이 사진들을 이해하기 위해, 그들은 Dara라고 불리는 특별한 소프트웨어 도구를 사용했습니다. Dara를 아주 빠른 번역가라고 생각하면 됩니다. 이 도구는 X선 패턴을 보고 "아, 이 구불구불한 선은 산화 은을 의미하고, 이 돌출부는 원래의 가루가 아직 남아 있다는 뜻이구나"라고 추측합니다.

로봇은 혼합물 안에 무엇이 있는지에 대해 1,950개의 서로 다른 추측(정밀화 케이스)을 내놓았습니다. 하지만 로봇은 과하게 자신만만할 수 있기 때문에, 인간 전문가들이 개입하여 로봇의 숙제를 검토했습니다. 그들은 모든 추측을 3단계 척도로 채점했습니다:

1. 우수(Excellent): 로봇이 완벽하게 맞혔습니다. 일치도가 완벽합니다.
2. 양호(Good): 로봇이 거의 맞혔지만, 아주 작은 피크 하나 정도를 놓쳤을 수 있습니다.
3. 미흡(Poor): 로봇이 완전히 틀렸거나, 혼합물의 큰 부분이 여전히 미스터리로 남아 있습니다.

인간들이 이 등급을 검증했으며, 만약 두 명의 전문가가 의견이 다를 경우 제3자가 심판 역할을 하여 최종 결정을 내렸습니다. 이를 통해 데이터의 신뢰성을 확보했습니다.

무엇을 발견했나?

결과는 모든 재료 쌍에 대해 어떤 일이 일졌는지 보여주는 거대하고 화려한 지도(논문의 그림 1)로 정리되었습니다. 그들은 네 가지 주요 결과 유형을 발견했습니다:

• 완전 반응 (에메랄드색): 가루들이 완벽하게 섞여 새로운 목표 물질을 형성했습니다. 남은 것이 없습니다!
• 부분 반응 (파란색): 목표 물질을 만들었지만, 원래의 가루 중 일부가 여전히 남아 있습니다.
• 변형 (호박색): 가루들이 변했지만, 목표물로 변한 것은 아닙니다. 예를 들어, 자기 자신의 다른 버전(예: 수분이나 산소를 잃은 형태)으로 변했을 수 있습니다.
• 미반응 (회색): 아무 일도 일어나지 않았습니다. 가루들이 그냥 그대로 있습니다.
• 물리적 실패 (분홍색): 때때로 로봇은 가열 후 샘플을 처리하는 데 어려움을 겪었습니다. 샘로 인해 끈적한 액체가 되거나 찰흙처럼 변했기 때문입니다.

이것이 왜 중요한가

이것은 단순한 레시피 목록이 아니라, FAIR 데이터셋(즉, 찾을 수 있고, 접근 가능하며, 상호 운용 가능하고, 재사용 가능한 데이터)입니다. 팀은 이 데이터를 서랍 속에 넣어두지 않았습니다. 그들은 모든 것을 디지털 장부(구조화된 JSON 파일)에 담아 누구나 다운로드할 수 있게 했습니다.

그들은 오래되고 엉망인 문헌들을 바탕으로 재료가 어떻게 형성될지 단순히 추측할 수 있다는 생각을 명시적으로 반박했습니다. 논문은 이러한 종류의 깨끗하고 기계가 읽을 수 있는 데이터(실패 사례를 포함한)가 없다면, 컴퓨터에게 새로운 재료를 예측하도록 가르칠 수 없다고 주장합니다. 이 논문은 모든 재료의 미스터리를 풀었다고 주장하는 것이 아니라, 미래의 AI 모델이 학습하는 데 필요한 벤치마크—즉, 황금 표준 테스트 세트—를 제공하는 것입니다.

요약

프리커서 게놈은 로봇 셰프의 첫 번째 해 주방 생활을 기록한 완전하고 정직한 일기와 같습니다. 완벽한 쿠키부터 타버린 덩어리까지, 모든 세부 사항이 기록된 1,035번의 시도를 보여줍니다. 이는 컴퓨터에게 새로운 재료를 발명하는 법을 가르치려면, 하이라이트 장면만이 아니라 전체 이야기를 보여주어야 한다는 것을 증명합니다. 그리고 가장 좋은 점은 무엇일까요? 지금 바로 전체 요리책을 다운로드하여 여러분만의 예측을 요리하기 시작할 수 있다는 것입니다.