🤖 machine learning

How Molecular Generative Models Organize Molecular Identity

이 논문은 분자 생성 모델이 화학적 정체성을 반복되는 경계를 가진 고정된 조각별 상수 영역으로 조직한다는 점을 밝히며, 잠재 공간을 화학적 탐색에 신뢰성 있게 사용하기 위해서는 그 내부 구조가 가정되기보다 경험적으로 규명되어야 함을 입증한다.

원저자: Raul Ortega-Ochoa, Tejs Vegge, Jens S. Bakander, Luis Mantilla Calderon, Alan Aspuru-Guzik, Tonio Buonassisi

게시일 2026-08-10

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Raul Ortega-Ochoa, Tejs Vegge, Jens S. Bakander, Luis Mantilla Calderon, Alan Aspuru-Guzik, Tonio Buonassisi

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

컴퓨터가 단순히 고양이 사진을 인식하거나 언어를 번역하는 것을 넘어, 실제로 새로운 것을 꿈꾸는 세상을 상상해 보십시오. 인공지능 분야에는 디지털 연금술사처럼 행동하는 '생성 모델(generative models)'이라는 특별한 프로그램들이 있습니다. 이들은 플라스크에 화학 물질을 섞는 대신, 거대하고 보이지 않는 풍경 속에서 숫자들을 섞어 의약품, 플라스틱, 그리고 신소재의 아주 작은 구성 단위인 새로운 분자들을 만들어냅니다. 이 모델들을 작동시키기 위해 과학자들은 그들에게 지도 하나를 제공합니다. 즉, 모든 지점이 잠재적인 분자를 나타내는 연속적인 좌표계입니다. 만약 지도를 따라 짧은 거리를 이동했을 때, 시작했던 분자와 화학적으로 유사한 분자를 찾을 수 있다면—마치 빨간 자동차에서 약간 다른 색조의 빨간 자동차로 이동하는 것처럼—그것이 희망입니다. 이러한 '항해 가능성(navigability)'은 매우 중요합니다. 만약 지도가 매끄럽고 논리적이라면, 과학자들은 올바른 방향을 향해 걸어가는 것만으로도 새로운 약물을 찾아낼 수 있기 때문입니다. 하지만 만약 그 지도가 사실 날카롭고 보이지 않는 절벽들로 이루어진 조각보라면 어떻게 될까요? 만약 아주 작은 한 걸음을 내디뎠을 때, 유사한 분자를 얻는 것이 아니라 갑자기 완전히 다른 화학적 우주로 떨어지게 된다면 어떨까요? 이것이 바로 과학자들이 해결하고자 하는 미스터리입니다. 즉, 이 AI 모델들이 자신들이 만들어낸 분자들을 그들의 디지털 두뇌 속에 실제로 어떻게 조직하고 있는가 하는 점입니다.

한 연구팀은 세 가지 서로 다른 분자 AI 모델의 막후를 들여다보고, 이 모델들이 자신들의 창조물을 실제로 어떻게 조직하는지 확인하기로 했습니다. 그들은 AI의 내부 '지도'를 매끄럽게 흐르는 강이 아니라, 뚜렷한 이웃 구역들로 나뉜 영토로 취급했습니다. AI가 내리는 무작위 선택들을 고정하고 정확히 어떤 좌표에서 어떤 분자들이 나오는지 추적함으로써, 그들은 이 모델들이 화학적인 경사도를 매끄럽게 형성하지 않는다는 것을 발견했습니다. 대신, 이들은 '조각별로 일정한(piecewise-constant)' 영역들을 구축합니다. 이것은 마치 거대한 다채로운 색상의 타일로 된 바닥과 같습니다. 만약 당신이 한 타일 위에 서 있다면, 당신은 특정한 하나의 분자를 얻게 됩니다. 만약 당신이 아주 작은 발걸음을 옮긴다 해도, 같은 타일 위에 머물러 있다면 정확히 똑같은 분자를 얻게 될 것입니다. 하지만 만약 당신이 타일 사이의 보이지 않는 선을 넘게 된다면, 비록 그 발걸음이 미세했을지라도 갑자기 완전히 다른 분자를 얻게 될 것입니다.

연구진은 이 '타일 지도'가 무작위가 아니라는 것을 발견했습니다. 일부 모델, 예를 들어 자기회귀 방식인 'MolMiner'와 계층적 방식인 'HierVAE'에서 타일들은 가계도처럼 조직되어 있습니다. 당신은 일반적인 유형의 화학적 골격(예: 자전거 프레임)을 나타내는 넓은 영역에서 시작할 수 있습니다. 그 영역 안으로 더 깊숙이 들어갈수록 경계는 더 세밀해지며, 해당 영역을 더 구체적인 변형(예: 마운틴 바이크 대 로드 바이크)을 위한 더 작은 타일들로 나눕니다. 이는 AI가 단계별로 분자를 구축하기 때문에 발생합니다. 초기 결정들이 광범위한 범주를 만들고, 이후의 결정들이 세부 사항을 깎아 나가는 것입니다. 그러나 이 연구는 놀라운 반전 또한 드러냈습니다. 지도가 조직적으로 보인다고 해서 그것이 반드시 컴퓨터상의 거리와 화학적 거리가 일치하는 것은 아니라는 점입니다. 한 모델인 HierVAE의 경우, 컴퓨터의 좌표 격자상에서 매우 가까이 있는 두 지점이 실제로는 화학적으로 매우 다른 분자들을 만들어낼 수 있었습니다. 컴퓨터가 보는 '거리'가 항상 화학자가 느끼는 '거리'와 일치하는 것은 아닙니다.

나아가, 연구팀은 AI가 학습하는 동안 이 지도들이 어떻게 변하는지 관찰했습니다. 그들은 AI가 자신의 이웃 구역들을 화학적으로 일관되게 유지하는 법(동일한 '화학적 가족' 안에 머무는 법)을 매우 빠르게 배운다는 것을 발견했습니다. 하지만 그 이웃 구역 내에서 생성할 수 있는 서로 다른 구체적인 분자들의 수는 오랫동안 계속해서 변합니다. 이는 마치 AI가 먼저 빨간 차들은 빨간 구역에, 파란 차들은 파란 구역에 두는 법을 배우고, 그 후에야 비로소 얼마나 많은 다양한 빨간색의 색조를 만들 수 있는지 알아내는 것과 같습니다. 이 연구는 우리가 이 AI 지도들이 새로운 생명을 구하는 약물을 설계하는 데 도움이 될 것이라고 믿기 전에, 우리가 사용하는 지도의 구체적인 규칙들을 먼저 확인해야 한다고 시사합니다. 우리는 단순히 격자 위에서 짧은 거리를 걷는 것이 항상 화학적으로 유사한 분자로 이어질 것이라고 가정할 수 없습니다. 때때로 그 지도는 적절한 렌즈를 통해 보아야만 의미가 있는, 날카로운 경계들로 이루어진 조각보일 수도 있기 때문입니다.

기술 요약: 분자 생성 모델이 분자의 정체성을 조직하는 방식

문제 정의
물질을 위한 생성 모델은 일반적으로 출력의 품질(유효성, 신규성, 다양성)을 기준으로 평가되며, 그 잠재 공간(latent space)은 흔히 매끄럽고 탐색 가능한 화학 공간으로 간주된다. 그러나 중요한 구조적 질문이 해결되지 않은 채 남아 있다: 모델의 연속적인 좌표 공간 내에서 이산적인 분자 정체성(molecular identity)들이 내부적으로 어떻게 배열되어 있는가? 구체적으로, 분자의 정체성이 어디에서 해소되는지, 인접한 좌표가 화학적으로 연관된 분자로 디코딩되는지, 그리고 이러한 조직화가 디코딩과 학습 과정 중에 어떻게 발현되는지는 불분명하다. 현재의 평가 방식은 이러한 내부 파티션(partition)을 검증하지 않은 채, 연속적인 잠재 공간이 곧 화학적으로 탐색 가능한 공간임을 가정하는 경우가 많다.

방법론
저자들은 분자 정체성을 출력 표현 공간상의 동치 관계(equivalence relation)로 명시적으로 정의하고, 이 정체성 클래스들을 생성 과정을 통해 "역추적(pull back)"하는 프레임워크를 제안한다.

형식론(Formalism): 본 연구는 출력 공간 $X$ (예: 문자열, 그래프)에 대한 동치 관계( $\sim$ )를 통해 분자 정체성을 정의한다. 이는 분자 객체를 나타내는 몫 공간(quotient space) $X/\sim$ 를 생성한다. 확률적 생성기를 다루기 위해, 저자들은 "랜덤 테이프(random tape)" $\eta$ 를 도입하여 생성 과정을 $(z, \eta)$ 로부터 출력으로 가는 결정론적 사상(map)으로 취급한다. 이는 결합 공간 $Z \times E$ 에 의한 분자 정체성 기반의 분할을 유도한다.
동치 규약(Equivalence Conventions): 미세한 수준부터 거친 수준까지 아우르는 6가지의 서로 다른 동치 규약을 테스트한다:
- Canonical isomeric SMILES (정확한 구조).
- InChIKey-14 (연결성, 입체 이성질체/타우토머 병합).
- 분자식(Molecular Formula).
- 중원자 원소(Heavy-atom Elements).
- Bemis–Murcko 스캐폴드(Scaffold).
- Murcko-generic (골격 구조만 포함).
연구 대상 모델: 이 프레임워크를 ZINC 데이터셋으로 학습된 세 가지 서로 다른 아키텍처에 적용한다:
- MolMiner: 속성 조건부 자기회귀 트랜스포머(property-conditioned autoregressive transformer).
- HierVAE: 자기회적인 디코더를 가진 계층적 그래프 변이형 오토인코더(hierarchical graph VAE).
- GDSS: 점수 기반 그래프 확산 모델(score-based graph diffusion model).
실험적 프로브(Experimental Probes):
- 고정-무작위 단면(Fixed-Randomness Sections): 랜덤 테이프 $\eta$ 를 고정한 상태에서 잠재 공간 $Z$ 의 1차원 및 2차원 단면을 조사하여 정체성 파티션을 시각화한다.
- 확률적 지속성(Stochastic Persistence): 고정된 $z$ 에서 $\eta$ 를 변화시켜 특정 좌표가 일관되게 동일한 분자로 디코딩되는지 테스트한다.
- 이웃 분석(Neighborhood Analysis): $Z$ 내의 볼(ball)을 샘采样하여 화학적 응집성(이웃 내의 유사도 vs 이웃 간의 유사도)을 ECFP 및 MACCS 핑거프린트의 Tanimoto 유사도를 사용하여 측정한다.
- 메트릭 상관관계(Metric Correlation): $Z$ 에서의 유클리드 거리 또는 코사인 유사도가 화학적 유사도와 상관관계가 있는지 테스트한다.
- 학습 진화(Training Evolution): 체크포인트에 따른 이러한 속성들의 발달 과정을 추적한다.

주요 기여 및 결과

조각별 상수 정체성 영역(Piecewise-Constant Identity Regions): 세 가지 아키텍처 모두에서, 랜덤 테이프를 고정했을 때 잠재 공간이 특정 분자 정체성에 대응하는 급격한 경계로 구분된 조각별 상수(piecewise-constant) 영역으로 나뉜다는 것이 밝혀졌다.
규약 및 아키텍처에 따른 의존성:
- MolMiner 및 HierVAE: 강한 화학적 응집성을 보인다. 인접한 좌표는 화학적으로 연관된 분자로 디코딩되며, 서로 다른 이웃은 서로 다른 화학적 영역을 점유한다. 이러한 조직화는 미세한 규약(SMILES, InChIKey-14) 하에서도 유지된다.
- GDSS: 확률적 디코딩 하에서 정확한 분자 정체성의 지속성이 거의 나타나지 않는다(고정된 $z$ 에 대해 99.95%의 고유 SMILES 발생). 명확한 조직화는 거친 규약(예: Murcko 스캐폴드 또는 원소 구성) 하에서만 나타나며, 이는 GDSS의 정확한 분자 변이가 좌표 구조보다는 디코더의 무작위성에 의해 주로 주도됨을 시사한다.
메트릭의 한계: HierVAE의 경우, 잠재 공간이 화학적으로 조직되어 있지만(인접한 점들이 유사한 분자로 디코딩됨), 좌표 간의 유클리드 거리와 코사인 유사도는 화학적 거리의 좋은 대리 지표가 되지 못한다( $R^2 \approx 0.05$ ). 이는 잠재 공간이 곡률을 가지고 있으며, 표준 기하학적 메트릭이 화학적 근접성을 신뢰성 있게 예측하지 못함을 시사한다.
조대-미세 경계(Coarse-to-Fine Boundaries): 파티션은 광범위한 분자 영역이 더 미세한 경계에 의해 세분화되는 반복적인 계층 구조를 보인다. MolMiner에서 이는 순차적 디코딩 과정에 기인하며, 초기 디코딩 단계가 광범위한 혈통(공통 부분 구조)을 정의하고 이후의 결정들이 이 영역들을 세분화한다.
응집성과 입도(Granularity)의 분리: 학습 과정 동안 화학적 응집성(이웃이 화학적으로 국소화되는 정도)은 초기에 안정화된다. 반면, 이웃 내에 존재하는 독자적인 분자 정체성의 수(입도)는 응집성이 정체된 이후에도 오랫동안 계속 진화하고 정교해진다.

의의 및 주장
본 논문은 연속적인 생성 좌표 공간이 곧 화학적으로 탐색 가능한 공간을 보장하는 것은 아니라고 주장한다. 보간(interpolation)이나 최적화를 위해 잠재 공간을 화학적으로 탐색 가능하다고 취급하기 전에, 그 내부 조직화는 다음 요소들과 관련하여 반드시 규명되어야 한다:

생성되는 특정 표현(representation).
분자 정체성을 정의하는 동치 규약.
확률적 디코딩 과정.
좌표를 비교하는 데 사용되는 메트릭.

저자들은 내부 조직화가 생성 공간의 단일하고 고유한 속성이 아니라, 이러한 요인들 사이의 복잡한 상호작용이라고 결론짓는다. 본 프레임워크는 생성 공간이 조직되어 있는지, 그리고 특정 화학적 질문을 위해 의미 있게 탐색될 수 있는지를 판단할 수 있는 직접적인 방법을 제공한다. 또한, 본 연구는 분자에 집중하고 있으나, 이 프레임워크는 단백질이나 결정과 같이 의미 있는 동치 관계를 가진 출력 공간으로 매핑되는 모든 생성 모델에 적용될 수 있음을 명시한다.

유사한 논문