🔬 materials science

MOSAIC: Addressing Space for Local, Steerable, and Scalable Atomistic Generation

이 논문은 개별 분자부터 백만 개의 원자로 구성된 다결정질에 이르기까지 원자 구조의 국소적 제어, 계층적 생성 및 확장 가능한 조립을 가능하게 하기 위해 공간을 고정된 원자 슬롯으로 분할하는 하이브리드 메쉬-입자 표현 방식인 Mosaic를 소개한다.

원저자: Ishan Nadkarni, Sebastien Hamel, Flynn Walsh, Fei Zhou

게시일 2026-10-06

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ishan Nadkarni, Sebastien Hamel, Flynn Walsh, Fei Zhou

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

새로운 의약품과 더 강한 재료를 설계하려는 탐구 과정에서, 과학자들은 물질의 성질이 원자들이 어떻게 배열되어 있는지에 전적으로 달려 있다는 근본적인 진리에 오랫동안 의존해 왔습니다. 수십 년 동안 연구자들은 이러한 배열을 구축한 후에야 연구할 수 있었거나, 진공 상태에서 작은 완벽한 결정만을 시뮬레이션할 수 있었습니다. 최근에는 인공지능의 새로운 물결이 이러한 원자 구조를 밑바닥부터 생성하여, 화학적으로 그럴듯해 보이는 분자들을 만들어내기 시작했습니다. 그러나 커다란 장애물이 남아 있습니다. 현재의 AI 모델은 특정 부분에 대한 정밀한 제어를 유지하면서 크고 복잡한 구조를 구축하는 데 어려움을 겪고 있습니다. 이들은 마치 단일한 방 하나는 완벽하게 설계할 수 있지만, 특정 창문을 특정 위치에 반드시 배치해야 하는 고층 빌딩을 조립할 때는 건물 전체가 무너지지 않도록 할 수 없는 건축가와 같습니다. 이러한 한계로 인해, 특정 활성 부위를 가진 약물 분자를 설계하거나 맞춤형 내부 경계를 가진 금속 합금을 공학적으로 설계하는 것과 같은 가장 유망한 응용 분야들은 손에 닿지 않는 곳에 머물러 있었습니다.

연구팀은 이제 이 디지털 구축 과정을 조직하는 새로운 방법을 도입하여, 거대하면서도 정밀하게 제어되는 물질을 생성할 수 있게 했습니다. '모자이크(Mosaic)'라고 불리는 이들의 방법은 각 잠재적 원자에 배치되기 전부터 영구적인 주소를 부여함으로써 이 문제를 해결합니다. AI에게 혼란스러운 구름 속에서 모든 원자가 어디로 갈지를 결정하라고 요청하는 대신, 모자이크는 공간을 고정된 위치, 즉 '슬롯(slot)'인 격자로 나눕니다. 각 슬롯은 비어 있거나 원자를 담을 수 있는 지정된 주차 공간 역할을 합니다. 만약 원자가 그곳에 배치된다면, 시스템은 해당 원자가 어떤 슬롯을 점유하고 있는지, 그리고 그 슬롯의 중심에서 얼마나 벗어나 있는지를 정확히 기록합니다. 이 단순한 변화는 생성 과정을 완전히 바꿉니다. 원자들을 특정 주소에 고정함으로써, AI는 전체적인 구조를 놓치지 않으면서도 국소적인 화학적 타당성을 확보하며 한 번에 하나의 작은 구역씩 채워 나가는 데 집중할 수 있습니다.

연구진은 이 접근 방식을 두 가지 매우 다른 규모에서 테스트했습니다. 먼저, 이들은 약물 유사 분자 생성에 이를 적용했습니다. 이 테스트에서 시스템은 최대 120개의 원자를 포함하는 분자를 구축하도록 요청받았습니다. 이 새로운 방법 없이는, 유사한 AI 모델들이 원자들이 서로 끊어져 있거나 화학적으로 불가능한 구조를 만들어내는 경우가 많았습니다. 모자이크를 사용하면, 크기가 증가하더라도 유효하고 연결된 분자를 생성하는 성공률이 높게 유지되었습니다. 더 중요한 것은, 연구진이 "여기에 화학 그룹을 배치하라"와 같은 구체적인 지시를 내릴 수 있었으며, 시스템은 나머지 분자의 온전함을 유지하면서도 해당 특징을 정확한 위치에 안정적으로 생성해 냈다는 점입니다. 시스템은 분자의 골격을 생성하는 것과 원자를 배치하는 것을 하나의 혼란스러운 도약이 아닌, 조율된 단계별 과정으로 처리함으로써 이를 달성했습니다.

그러나 이 방법의 진정한 힘은 연구팀이 이를 실제 재료의 크기로 확장했을 때 드러났습니다. 그들은 모자이크를 사용하여 제트 엔진부터 배터리 전극에 이르기까지 다양한 용도로 사용되는 재료인 니켈의 다결정(polycrystals)을 생성했습니다. 이것들은 작고 완벽한 결정이 아니라, 서로 다른 내부 방향성을 가진 수백만 개의 원자로 구성된 복잡한 조립체인 '결정립(grains)'입니다. 연구진은 원하는 결정립의 모양과 배열을 설명하는 거친 지도를 AI에게 제공했습니다. 시스템은 한 블록의 생성된 경계가 다음 블록에 정보를 제공하도록 하여, 블록 단위로 구조를 구축했습니다. 그 결과, 이전의 방식으로는 구조적 일관성을 유지하며 다룰 수 없었던 규모인 110만 개 이상의 원자를 포함하는 디지털 니켈 결정을 만들어냈습니다. 생성된 재료는 실제 공학적 응용에 필요한 복잡한 결정립 경계와 내부 질서를 충실히 재현했습니다.

이 연구는 컴퓨터에서 공간을 표현하는 방식을 바꿈으로써, 과학자들이 생성형 설계의 크기 제한을 극복할 수 있음을 보여줍니다. 이 방법은 특정 유형의 신경망에 의존하지 않고 다양한 기존 AI 백본(backbone)과 결러될 수 있어, 미래의 발견을 위한 유연한 도구가 됩니다. 연구진은 원자에 고정된 주소를 부여함으로써, 단일 약물 분자의 미세한 규모에서부터 백만 개의 원자로 이루어진 거대한 금속 구조의 규모에 이르기까지, 이전에는 불가능했던 정밀도로 물질의 생성을 유도할 수 있음을 보여주었습니다. 이 접근 방식은 엔지니어들이 단순히 원자가 가야 할 지도의 경로를 정의하는 것만으로도, 강도와 유연성을 정확한 사양에 맞춰 조정할 수 있는 맞춤형 내부 구조를 가진 재료를 설계할 수 있는 미래를 시사합니다.

기술 요약: MOSAIC – 국소적 제어, 조향 가능성 및 확장 가능한 원자 생성의 공간 문제 해결

1. 문제 정의

생성 모델은 화학적으로 타당한 분자와 후보 주기적 결정(periodic crystals)을 생성하는 데 성공하며 성과를 입증해 왔다. 그러나 공학적 응용 분야에서는 다음과 같은 핵심적인 간극이 존재한다: 즉, 무엇이 변해야 하는지, 어디가 변해야 하는지, 그리고 주변 구조의 무엇이 보존되어야 하는지를 명시하는 능력이다. 현재의 방법론들은 다음 문제들로 인해 어려움을 겪고 있다:

국소적 제어 (Local Control): 분자 골격은 유지하면서 화학 그룹을 교체하거나, 특정 단백질 세그먼트를 재설계하거나, 재료 계면을 수정하는 작업은 국소적 원자 환경과 일치하는 생성이 필요하다.
확장성 (Scalability): 기존 방식은 고립된 분자나 작은 주기적 셀을 넘어, 구조적 일관성을 유지하면서 대규모의 이종 구조(예: 수백만 개의 원자를 가진 다결정)로 확장하는 데 실패하는 경우가 많다.
표현의 한계 (Representation Limitations): 순서가 없는 입자 집합(unordered particle sets)은 선택된 영역(빈 공간 포함)에 대한 지속적인 공간 주소를 갖지 못하며, 그리드 기반 방식은 원자를 간접적으로 표현하므로 생성 후 입자 복구 과정이 필요하다.

2. 방법론: 모자이크(Mosaic) 표현법

본 논문은 공간을 "원자 슬롯(atom slots)"을 포함하는 고정된 앵커 영역으로 분할하도록 설계된 하이브리드 메쉬-입자(mesh–particle) 표현법인 Mosaic를 소개한다. 이 표현법은 특정 생성 모델 자체가 아니라, 다양한 생성 백본(예: 확산 또는 플로우 매칭)과 결로 결합될 수 있는 공간 인터페이스를 제공한다.

2.1 핵심 표현

공간 앵커 (Spatial Anchors): 도메인 $\Omega$ 는 각각 고정된 앵커 지점 $R_v$ 와 연관된 영역 $\{C_v\}$ 로 분할된다 (SC, BCC 또는 FCC 그리드 사용).
원자 슬롯 (Atom Slots): 각 영역은 $K_v$ $K_{v}$ 개의 로컬 슬롯을 포함한다. 슬롯 $s_{vk}$ $s_{v k}$ 는 다음을 저장한다:
- 점유 여부/종류 ( $a_{vk}$ ): 원자 종(species) 또는 물리적 빈 상태 $X$ .
- 변위 ( $\delta_{vk}$ ): 앵커에 대한 원자의 위치를 나타내는 연속 벡터 ( $r_i = R_v + \delta_{vk}$ ).
디코딩 (Decoding): 점유된 슬롯은 연속적인 입자로 직접 디코딩된다. 메쉬는 공간적 소유권을 이산화하지만, 최종 좌표를 양자화하지는 않는다. 고정 용량 설정에서 사용되지 않는 슬롯은 빈 상태 $X$ 를 취한다.

2.2 생성 모델링

생성 과정은 슬롯 지원 예측(slot support prediction)과 원자 생성으로 나뉜다:
$p(S | c) = p_\phi(O | c) \, p_\theta(A, \Delta | O, c)$
여기서 $O$ 는 슬롯 지원이며, $(A, \Delta)$ 는 종과 변위이다.

A. 분자 생성 (계층 구조 및 조향)

1단계 (지원): 공간적 확산 트랜스포머(Diffusion Transformer, CountDiT)가 희소 계층 구조의 셀 개수를 정밀화하여 지원(support)을 정의한다. 이는 흡수 마스크 확산 과정(absorbing masked diffusion process)을 사용하여 가장 미세한 수준에서의 국소 원자 수 $n_v$ 를 예측하며, 이를 통해 총 개수가 요청된 $N^\star$ 와 일치하도록 보장한다.
2단계 (생성): 등변(equivariant) 플로우 매칭 모델이 1단계에서 정의된 고정된 지원 위에서 원자 종과 연속적 좌표를 생성한다.
조향 (Steering): 공간적 프롬프트(화학 그룹 및 중심)는 분류기 없는 가이드(classifier-free guidance)를 통해 두 단계 모두를 안내하며, 사용자가 기능기가 나타나야 할 위치를 지정할 수 있게 한다.

B. 다결정 생성 (형태학 및 규모)

중간 규모 조건화 (Mesoscale Conditioning): 결정립 분율을 정의하는 맵 $M(x)$ 를 통해 결정립 형태를 규정한다. 역격자 공간 특징(벡터 $q$ 및 복소 계수)은 격자 방향과 상(phase)을 인코딩하여 결정 격자의 정합성을 보장한다.
유계 자기회귀 조립 (Bounded Autoregressive Assembly): 모델은 유계 블록(예: 16 Å) 단위로 작동한다. 외부 자기회귀 순회(outer autoregressive traversal)는 래스터 순서로 블록을 생성하며, 각 새로운 블록은 다음 사항을 조건으로 한다:
1. 규정된 형태학 및 역격자 필드.
2. 이전에 완료된 블록으로부터 생성된 경계 원자 (6 Å 반경 내).
확장성 (Scalability): 각 단계가 오직 유계 블록과 그 직전의 문맥(context)만을 처리하기 때문에, 메모리 사용량은 전체 시스템 크기에 따라 확장되지 않으며, 이를 통해 100만 개 이상의 원자를 가진 구조 생성을 가능하게 한다.

3. 주요 기여

데이터 표현: 연속적 좌표와 지속적인 공간 주소를 결합하여 다양한 생성 백본에 걸쳐 국소적 조건화를 가능하게 하는 하이브리드 메쉬-입자 표현법을 제공한다.
경험적 및 이론적 근거:
- 절제 실험 (Ablations): 매칭된 백본 실험을 통해, 국소적 지원과 좌표 사전 확률(prior)이 전역 중심 접근 방식보다 분자의 연결성 및 타당성을 크게 향상시킴을 보여준다.
- 이론적 경계: 개별 입자 수송 작용(transport action)이 시스템 크기와 무관하게 셀 너비 $h^2$ 에 의해 제한됨을 분석하였으며, 공간적 주소가 치환 모호성(permutation ambiguity)을 $O(N \log N)$ 에서 $O(N \log K)$ 로 줄임을 보여준다.
제어 및 조립: 공간적 프롬프트를 통해 분자의 기능 그룹 배치를 성공적으로 조향하고, 규정된 결정립 형태와 방향을 가진 원자 단위의 다결정을 100만 개 이상의 원자 규모로 생성하는 능력을 입증하였다.

4. 결과

4.1 분자 생성

품질: QM9 데이터셋에서 Mosaic는 **84.44%**의 엄격한 모든 요청 타당성(strict all-request validity)을 달erm했다. GEOM-Drugs 데이터셋에서는 공개된 EDM 모델의 연결-타당성 비율(77.2%)보다 두 배 이상 높은 성능을 보였으며(EDM은 34.9%), 샘플링 효율성 측면에서도 MegalodonFlow보다 연결-타당한 분자당 초당 처리량이 3.07배 높았다.
확장성: 분자 크기가 증가함에 따라(30–120 원자), Mosaic는 높은 연결성(120개 원자에서 26%)을 유지한 반면, EDM은 0%로 떨어졌다.
제어: 공간적 프롬프트는 요청된 원자 수를 유지하면서 아미드, 에스테르, 방향족 그룹의 배치를 성공적으로 조향했다.

4.2 다결정 생성

국소 제어: 역격자-상 조건화는 이러한 특징이 없는 모델에 비해 구조적 오류(PTM, RDF, 결합각)를 5.2~35배 감소시켰다.
형태학: 모델은 규정된 거친 맵(coarse maps)에 부합하는 쌍정(bicrystals), 삼정(tricrystal) 접합부, 8개 결정립 보로노이 다결정을 성공적으로 생성했다.
규모: 시스템은 거친 형태학 맵으로부터 1.09~1.12백만 개의 원자를 포함하는 세 개의 니켈 다결정을 생성하였으며, 확장된 도메인 전반에 걸쳐 국소 결정성과 일관된 조립을 유지했다.

5. 의의 및 주장

본 논문은 **국소적 공간 주소 지정(local spatial addressing)**이 다양한 규모에 걸쳐 물질의 조향 가능한 생성을 위한 실질적인 토대라고 주장한다. 생성 백본으로부터 표현을 분리함으로써, Mosaic는 기존의 등변 및 트랜스포머 파이프라인이 국소적 제어 및 확장 가능한 조립 능력을 갖추도록 강화할 수 있게 한다.

분자에서 재료로: 이 접근 방식은 고립된 분자 생성과 대규모 재료 공학 사이의 간극을 메우며, 결함 도입 및 계면 수정과 같은 작업을 가능하게 한다.
효율성: 유계 자기회귀 조립은 대규모 생성을, 전체 원자 수와 관계없이 단계당 메모리와 계산량이 일정하게 유지되는 관리 가능한 문제로 전환한다.
미래 잠재력: 저자들은 이 계층 구조가 더 큰 생체 분자나 단백질로 확장될 수 있으며, 메쉬 필드가 실험이나 연속체 시뮬레이션으로부터 추가적인 물리적 특성(전하, 응력, 밀도)을 인코딩할 수 있다고 제안한다.

이 연구는 입자 표현에 국소성을 포함함으로써, 생성 모델이 정밀한 공간 제어와 공학적으로 유의미한 구조에 필요한 확장성을 동시에 달성할 수 있음을 입증한다.