자료제공 - 인텔


인텔이 캐나다 몬트리올에 위치한 AI 연구기관 밀라와 3년간의 전략적 연구 및 공동 혁신 협력을 발표했다. 2021년 4월 발표한 협력 범위를 확대, 갱신한 이번 발표의 일환으로 인텔과 밀라 소속 20명 이상의 연구원들이 기후 변화, 신소재 발견, 디지털 생물학 같은 글로벌 과제를 해결하기 위한 첨단 AI 기술 개발에 집중한다.

요수아 벤지오(Yoshua Bengio) 밀라 설립자 겸 과학 총괄은 “다양한 글로벌 과제에 직면한 지금 우리는 공익을 목표로 필요한 분야의 AI 기술을 발전시키기 위해 산학간 열린 과학 문화를 추구해야 한다”며, “우리는 탄소 포집을 개선하고, 신약 발견을 가속화하며, 보다 지속 가능한 미래를 실현하기 위해 필요한 신재료를 신속하게 연구하는 인텔과의 협업에 큰 기대를 가지고 있다”고 말했다.

현재 전세계가 직면한 난제를 해결하기 위해 첨단 AI의 연구개발을 가속화하려면 AI에 대한 책임감 있는 접근과 컴퓨팅 기술의 확장 역량이 필요하다. 컴퓨팅과 AI의 선두주자로서 세계를 변화시킬 긍정적이고 강력한 원동력이 되고자 하는 공동의 목표를 가진 인텔과 밀라는 2021년에 시작한 프로젝트를 가속화하고, 세 번째 트랙을 추가하고, 가시적인 결과를 이끌어내기 위해 지원을 확대할 계획이다.

카비타 프라사드(Kavitha Prasad) 인텔 부사장 겸 데이터센터, AI, 클라우드 실행 및 전략 총괄은 "기후 변화와 신소재 발견과 같은 복잡한 문제 해결에는 관련 전문 지식과 최첨단 컴퓨팅 기술 발전을 위한 집중 투자가 결합된 심층 AI 연구가 필요하다"며, “오늘 발표가 연구자들에게 핵심적인 통찰력을 제공하고 기술 혁신을 추진하는 데 중요한 역할을 할 것이다. 인텔은 밀라와 협력해 오늘날 당면한 과제를 해결하고 미래 세대를 위한 더 나은 세상을 만드는데 기여하기를 기대한다"고 말했다.

AI 기반 신소재 발견 자동화: 밀도 범함수 이론(Density-Functional Theory, DFT)과 같은 화학 시뮬레이션 기술의 발전은 복잡한 재료 시스템의 중요한 특성을 시뮬레이션할 수 있는 방법을 가능케했다. 그러나 이러한 기술은 원자 수가 증가함에 따라 컴퓨팅 비용이 상승하는 것을 고려할 때 모델링할 수 있는 재료 시스템의 복잡성에 한계가 있었다. AI 기술, 특히 그래프 신경망(Graph Neural Network, GNN)은 시스템 크기가 증가함에 따라 컴퓨팅 비용이 크게 절감되어 화학 시뮬레이션을 근사화하는 데 도움이 된다. 이것은 AI 기반 시뮬레이션 기술을 사용하여 더 복잡한 재료 시스템을 복제하는 데 엄청난 가능성을 열어준다. 신소재의 잠재적인 발견은 비용과 탄소 발자국 감소에 기여할 수 있다.

인텔과 밀라는 오픈 카탈리스트(Open Catalyst) 데이터세트와 같은 원자 시뮬레이션 GNN의 성능을 향상시키기 위해 과학 및 기술 혁신 개발에 협력한다. 이러한 노력은 관련 기술 파이프라인을 향상시킴으로써 잠재적으로 원자 재료 데이터와 관련된 연구자의 역량을 민주화할 수 있다. 연구팀은 재료 설계 애플리케이션의 방대한 검색 공간 내에서 효과적으로 검색할 수 있는 학습 기반 프레임워크를 개발할 예정이다. 이러한 프레임워크는 밀라가 개척한 생성 흐름 네트워크(Generative Flow Network)를 포함한 다른 머신러닝 알고리즘뿐만 아니라 강화 학습, 검색 알고리즘, 생성 모델로부터 아이디어를 끌어낼 수 있다.

기후 과학을 위한 인과적 머신러닝 적용: 표준 물리 기반 기후 모델은 기후 변화의 영향을 예측하는 데 도움이 될 수 있지만 높은 복잡성과 컴퓨팅 비용을 수반한다. 특수 슈퍼컴퓨팅 하드웨어 환경에서도 수개월이 걸리는 경우가 많아 시뮬레이션 실행과 세분화되고 지역화된 예측을 제공하는 빈도가 줄어들 수밖에 없다. 또한, 이러한 모델은 일반적으로 예측의 기초가 되는 추론 또는 인과 관계를 설명할 수 없다. 인텔과 밀라는 인과적 머신러닝을 기반으로 새로운 유형의 기후 모델 에뮬레이터를 구축하여 이러한 격차를 메우는 것을 목표로 한다. 해당 방식을 통해 전통적인 기후 모델에 대한 고차원 입력 중 어떤 변수가 예측되는지 식별할 수 있다. 이 프로젝트는 기후 변화의 영향에 대한 철저하고 신뢰할 수 있는 예측을 통해 기후 과학 발전을 앞당기고 관련 정책에 필요한 정보를 직접적으로 제공할 예정이다.

질병 및 약물 발견의 분자 동인에 대한 연구 가속화: 신약 발견은 승인된 약물 당 평균 26억 달러의 비용이 드는 긴 과정이다. 특정 대상에 결합하는 작은 분자를 찾는 것은 10년 이상 걸릴 수 있는 위험하고 매우 불확실한 과정이기 때문에 비용이 많이 드는 것이다. 더불어, 분자가 발견되더라도 추후 실패할 가능성이 있다. 인텔과 밀라 연구원들은 더 나은 약물 후보 분자를 더 빠르고 간단하게 식별하기 위해 협력한다.

예를 들어 단일 염기 다형성(SNP, Single-Nucleotide Polymorphism)의 유전자형을 기반으로 한 질병을 포함한 복잡한 표현형을 예측하는 것은 대부분의 표현형이 게놈 전체에 걸쳐 많은 SNP의 영향을 받는다. 이 때문에 복잡한 표현형의 예측은 디지털 생물학계의 지속된 도전이었다. 주요 컴퓨팅 과제는 대규모 인구 데이터를 사용해 게놈에 포함된 모든 SNP가 표현형에 미치는 인과적 영향을 공동으로 학습하는 것이다. 정확한 솔루션은 SNP 수에 비례하는 크기의 검색 공간을 가지고 있다. 수백만 개의 SNP가 감지됨에 따라 정확한 솔루션은 계산적으로 다루기 어렵다. 그러나 고해상도 데이터의 가용성, AI의 획기적인 발전, 무어의 법칙에 의해 주도된 컴퓨팅 밀도의 향상으로 인텔과 밀라는 AI 기술을 개발해 다음과 같은 목표를 달성할 계획이다.