MIT, 데이터가 적은 환경에서 분자 예측을 위한 CheMeleon 모델 상세히 소개

AI 요약

MIT 뉴스는 2026년 11월 6일, MIT와 BASF 연구진이 개발한 오픈소스 분자 파운데이션 모델 CheMeleon을 소개했으며 이 모델은 과제별 실험 데이터가 부족할 때 신약 및 소재 발굴을 위해 후보 분자의 우선순위를 정하도록 설계되었습니다. CheMeleon은 PubChem에서 가져온 약 100만 개 분자와 약 1,600개의 계산된 분자 기술자를 이용해 지도 사전 학습되었고 방향성 메시지 전달 신경망 기반의 약 1,000만 개 매개변수를 가진 모델로서 소량의 과제별 데이터로 미세 조정해 용해도·점도·생물활성 등 특성을 예측할 수 있으며 Polaris의 58개 벤치마크에서 고전적 기준 모델과 기존 파운데이션 모델보다 우수한 성능을 보였다고 보고되었습니다. CheMeleon과 사전 학습 프레임워크는 ChemProp을 통해 오픈소스로 공개되어 내려받아 미세 조정할 수 있고 여러 제약회사가 정기적으로 사용한다고 밝혔으며, 모델은 후보군 범위를 좁히는 데 유용하지만 유망한 화합물의 실제 거동 확인을 위해서는 실험이 필요합니다.