과학적 추론 능력 갖춘 멀티모달 모델 '사이리즈너(SciReasoner)' 공개

주장최근 첸 탕(Chen Tang)을 포함한 다국적 연구진은 생명과학, 화학, 재료과학 분야의 복잡한 구조-물성 관계를 해석하는 인공지능 모델 '사이리즈너(SciReasoner)'를 발표했습니다. 연구진 소속 정보는 arxiv 등록 기준입니다.

팩트이 모델은 단백질, 소분자 화합물, 무기 결정 구조를 아우르는 멀티모달(Multimodal, 복합 정보 처리) 과학 기초 모델입니다. 기존 인공지능이 구조 데이터를 단순 수치로 처리하던 방식에서 벗어나, 원자 좌표와 위상 정보를 구조 인식 어휘로 변환하여 처리합니다.

팩트사이리즈너는 구조적 정보를 잠재 공간(Latent Space, 데이터의 핵심 특징을 압축한 고차원 공간) 내에서 과학적 원리에 따라 추론합니다. 모델은 구조적 토큰을 증거 단위로 활용하여 예측 결과의 근거를 명확히 제시합니다.

팩트유전자 온톨로지(Gene Ontology, 유전자 기능 분류 체계) 예측 작업에서 사이리즈너는 성능을 크게 개선했습니다. 상동성이 낮은 단백질의 세포 구성 요소 주석 작업에서 F-최대값(F-max, 정밀도와 재현율의 조화 평균)을 기존 0.42에서 0.55로 끌어올렸습니다.

팩트화학 분야의 단일 단계 역합성(Retrosynthesis, 분자를 구성 요소로 분해하는 과정) 정확도 역시 향상되었습니다. 기존 0.63이었던 정확도를 0.72까지 높였으며, 분자 파편 단위의 연결 해제와 전구체 검증 과정을 추적하는 기능을 갖췄습니다.

팩트재료과학 분야에서는 원소와 화합물 상을 구분하고, 밴드갭(Band-gap, 전자가 에너지를 얻어 전도대로 이동하는 에너지 차이)의 고저 영역을 정확히 판별했습니다. 모델은 총 86개 벤치마크 중 67개 과제에서 최고 성능을 기록했습니다.

주장연구진은 이번 모델이 과학적 제약 조건 하에서 구조를 추론 가능한 기질로 변환했다고 설명합니다. 이는 단순한 예측을 넘어 과학적 추론의 투명성을 확보하려는 시도입니다.

팩트전문가 대상의 이중 맹검 평가 결과, 사이리즈너가 제시한 추론 과정은 98%의 사례에서 기존 최첨단 거대언어모델(LLM)과 대등하거나 더 우수한 평가를 받았습니다.

교차검증해당 논문은 아카이브(arxiv)에 선공개된 프리프린트(Preprint) 논문으로, 정식 동료 평가(Peer Review) 과정을 거치지 않았습니다. 학술적 검증이 완료되지 않은 초기 연구 결과임을 유의해야 합니다.

교차검증모델의 범용성과 재현성 측면에서 한계가 존재할 수 있습니다. 다양한 실험 환경과 데이터셋 편향(Dataset Bias)에 따라 실제 연구 현장에서의 성능이 논문에서 제시한 수치와 다르게 나타날 가능성을 배제할 수 없습니다.

주장사이리즈너는 복잡한 과학적 구조를 해석 가능한 형태로 시각화하고 설명합니다. 이는 향후 신약 개발과 신소재 탐색 분야의 효율성을 획기적으로 높일 것으로 기대됩니다.

출처arxiv의 선공개 논문(https://arxiv.org/abs/2607.07708)을 참고했습니다.