충남대-서울대-KAIST 글로컬랩의 핵심적인 한 축인 KAIST 수리과학 융합연구 스테이션의 소장을 역임하고 있는 KAIST 수리과학과 이창옥 교수가 AI수학대학원의 겸임교수로 합류했다. 이창옥 교수가 AI수학대학원에서 본격적으로 펼쳐나갈 주요 연구 분야는 첨단 약물 설계를 위한 과학기계학습(Scientific Machine Learning)이다.
기존의 일반적인 기계학습(예: 이미지 인식, 거대언어모델)은 대규모의 데이터만을 기반으로 그 안에서 패턴을 찾아내는 방식을 취한다. 그러나 신약 개발 분야의 성격은 이와 완전히 다르다. 실제 실험 데이터는 언제나 절대적으로 부족할 뿐만 아니라, 분자 간의 결합이나 체내에서 일어나는 복잡한 반응들은 엄격한 물리 법칙과 화학적 규칙을 철저하게 따르기 때문이다.
과학기계학습은 이러한 한계를 극복하기 위해 심층학습의 강력한 패턴 인식 능력에 물리학적 미분방정식, 열역학 법칙, 그리고 생물학적 도메인 지식을 유기적으로 결합하는 최첨단 패러다임이다. 이를 통해 인공지능이 단순히 확률적으로 그럴듯한 분자 구조를 제시하는 데 그치지 않고, 실제 인체 내에서 유효하게 작동하면서 동시에 물리적으로 합성이 가능한 진짜 약물을 디지털 공간에서 완벽하게 설계하는 것을 궁극적인 목표로 삼는다.
주요 연구 주제
이창옥 교수 연구실에서는 과학기계학습을 기반으로 신약 개발의 전과정을 혁신하기 위해 다음과 같은 심도 있는 주제들을 탐구한다.
- 물리 기반 신경 연산자 (Physics-Informed Neural Operator): 물리 법칙을 내재화하여 미분방정식을 빠르게 해결하는 고성능 신경망 연구
- 구조 기반 신약 설계 및 기하학적 딥러닝 (Geometric Deep Learning): 분자의 3차원 입체 구조와 대칭성을 수학적으로 모델링하여 약물 결합력을 예측
- 분자 생성 및 합성 경로 예측 (Generative AI & Inverse Design): 원하는 효능을 가진 최적의 분자를 역설계하고, 실제로 구현 가능한 화학적 합성 경로를 추적
- AI 기반 약물 동태학 및 시뮬레이션 (AI-driven PK/PD & Virtual Clinical Trials): 약물의 체내 흡수, 분포, 대사, 배설 과정을 예측하고 디지털 환경에서 가상 임상 시험을 수행
연구 참여를 희망하는 대학원생의 필요 소양
인공지능과 수리과학의 융합을 통해 바이오·신약 분야의 혁신을 함께 이끌어갈 역량 있는 대학원생의 참여를 요한다.
- 수학적 이론 역량: 수학적 모델링, 수치해석, 선형대수학, 확률과 통계에 대한 탄탄한 기초 지식 및 수리적 사고력
- 프로그래밍 및 프레임워크 활용 능력: Python 언어를 비롯하여 PyTorch 또는 JAX 등 최신 딥러닝 프레임워크를 원활하게 다루고 구현할 수 있는 실무 능력