숭실대 이수민·이명훈 졸업생, ACS Omega에 용해도 예측 모델 논문 게재

2022년 4월 25일
43905

<사진1-좌측부터 이수민, 이명훈 졸업생(사진=숭실대)>

 

숭실대 이수민·이명훈 졸업생, ACS Omega에 용해도 예측 모델 논문 게재

 

산업·정보시스템공학 이수민 졸업생과 의생명시스템학부 이명훈 졸업생이 2022년 4월 4일 공동 1 저자로 미국 화학회(ACS, American Chemical Society)의 ‘ACS 오메가(ACS Omega, 피인용지수 3.512)’에 용해도 예측 성능 비교에 대한 논문(Novel Solubility Prediction Models: Molecular Fingerprints and Physicochemical Features vs Graph Convolutional Neural Networks)을 게재했다.

본 논문에서는 molecular fingerprint와 physicochemical property를 이용하는 머신러닝과 graph convolutional neural network를 이용하는 딥러닝으로 용해도(logS)를 예측(회귀와 분류)하고 두 방법의 장단점을 비교했다.

이전까지 특정한 용매에 대한 다양한 용질의 용해도를 예측하는 연구는 활발히 진행되었으나, 본 연구는 다양한 용매와 다양한 용질 간의 용해도를 예측한다는 점에서 차이가 있다. 이수민 졸업생은 분자의 물리화학적 물성과 분자지문을 이용하는 머신러닝 모델(MFPCP)을 개발했고, 이명훈 졸업생은 분자의 그래프 표현을 이용하는 그래프 컨볼루션 뉴럴 네트워크 모델(GCN)을 개발했다. 본 연구는 다양한 분자 간의 용해도 조합 데이터를 학습하는 다중 입력 모델이 미지의 분자 간 용해도까지 예측할 수 있다는 잠재력을 증명했다.

 

<사진2-개발된 MFPCP 모델과 GCN 모델의 용해도 예측 성능 정확도(사진=숭실대)>

 

<사진3-용해도 예측을 위해 수행된 MFPCP 모델과 GCN 모델 개발의 순서도(사진=숭실대)>

 

두 졸업생은 “이번 연구에서 개발한 방법론들이 신소재뿐만 아니라 신약 개발 등 다양한 분야에 적용될 수 있다는 점에서 의미가 있다. 학부연구생으로의 경험이 앞으로도 해당 분야뿐만 아니라 다른 분야에서도 제한을 두지 않고 다양한 연구를 지속할 원동력이 될 것”이라고 밝혔으며, “연구 초반에 관련 분야에 대한 지식이 다소 부족했음에도 민경민 교수님께서 많은 도움을 주신 덕분에 연구 방향을 잡아갈 수 있었다”라는 감사 인사를 전했다.

한편 본 연구는 삼성전자 종합기술원과 한국연구재단의 지원으로 수행됐다.

 

홍보팀(pr@ssu.ac.kr)

 

숭실대 이수민·이명훈 졸업생, ACS Omega에 용해도 예측 모델 논문 게재

2022년 4월 27일
68305

<사진1-좌측부터 이수민, 이명훈 졸업생(사진=숭실대)>

숭실대 이수민·이명훈 졸업생, ACS Omega에 용해도 예측 모델 논문 게재

 

산업·정보시스템공학 이수민 졸업생과 의생명시스템학부 이명훈 졸업생이 2022년 4월 4일 공동 1 저자로 미국 화학회(ACS, American Chemical Society)의 ‘ACS 오메가(ACS Omega, 피인용지수 3.512)’에 용해도 예측 성능 비교에 대한 논문(Novel Solubility Prediction Models: Molecular Fingerprints and Physicochemical Features vs Graph Convolutional Neural Networks)을 게재했다.

 

본 논문에서는 molecular fingerprint와 physicochemical property를 이용하는 머신러닝과 graph convolutional neural network를 이용하는 딥러닝으로 용해도(logS)를 예측(회귀와 분류)하고 두 방법의 장단점을 비교했다.

 

이전까지 특정한 용매에 대한 다양한 용질의 용해도를 예측하는 연구는 활발히 진행되었으나, 본 연구는 다양한 용매와 다양한 용질 간의 용해도를 예측한다는 점에서 차이가 있다. 이수민 졸업생은 분자의 물리화학적 물성과 분자지문을 이용하는 머신러닝 모델(MFPCP)을 개발했고, 이명훈 졸업생은 분자의 그래프 표현을 이용하는 그래프 컨볼루션 뉴럴 네트워크 모델(GCN)을 개발했다. 본 연구는 다양한 분자 간의 용해도 조합 데이터를 학습하는 다중 입력 모델이 미지의 분자 간 용해도까지 예측할 수 있다는 잠재력을 증명했다.

 

두 졸업생은 “이번 연구에서 개발한 방법론들이 신소재뿐만 아니라 신약 개발 등 다양한 분야에 적용될 수 있다는 점에서 의미가 있다. 학부연구생으로의 경험이 앞으로도 해당 분야뿐만 아니라 다른 분야에서도 제한을 두지 않고 다양한 연구를 지속할 원동력이 될 것”이라고 밝혔으며, “연구 초반에 관련 분야에 대한 지식이 다소 부족했음에도 민경민 교수님께서 많은 도움을 주신 덕분에 연구 방향을 잡아갈 수 있었다”라는 감사 인사를 전했다.

 

한편 본 연구는 삼성전자 종합기술원과 한국연구재단의 지원으로 수행됐다.

 
 

홍보팀(pr@ssu.ac.kr)