오피니언 분석장비 탐험가 (필명) (2020-07-23)

요즘 인공지능이 화두입니다. 그래서인지 필자는 분석장비도 앞으로 인공지능을 사용할 것 같다는 생각을 자주하게 됩니다.
반갑게도 분석장비와 인공지능(AI)에 대한 글을 마주합니다.
이 글에서 인공지능은 빅데이터를 많이 다루고 있는 분석화학분야에도 많은 기여할 수 있다고 강조합니다.

분석화학 맥락에서 인공지능(AI)

1970년대에는 화학데이터를 분석하여 정보를 얻기 위해 수학적, 통계적 방법을 일부 사용했으며, 계량분석화학 (Chemometric) 이란 화학분야 학문이 탄생합니다. 1980년대에는 개인용 컴퓨터가 널리 보급되면서 이러한 복잡한 수학적 방법을 쉽게 사용하고, 상용화된 통계 소프트웨어가 등장합니다.
계량분석화학은 화학구조 및 스펙트럼 분석에 이상적인 학문입니다. 예를 들어 패턴인식의 통계적 방법은 특별한 화학구조의 추출과 스펙트럼 라이브러리와의 비교를 통해 미지의 스펙트럼의 식별을 가능하게 합니다.
분석장비들은 점점 고해상도와 분석장비간 융합 방향으로 발전하고 있습니다. 이 장비들은 기존보다 방대하고 복잡한 데이터 세트를 생성하기 때문에 기존 알고리즘으로 데이터를 효율적으로 분석하는 데 한계가 있습니다. 그러므로 분석장비들의 하드웨어가 발전에 맞추어 더욱 정교한 알고리즘이 탑재된 소프트웨어가 필요합니다.
ACD/Labs의 핵심 기술책임자 Richard Lee는 인공지능을 분석화학에 사용하여 방대하고 복잡한 데이터 세트 분석의 어려움을 극복하고자 합니다.
그는 분석데이터의 주요 용도는 단일 성분이든 혼합물이든 궁극적으로 시료의 특성에 근거한 식별에 있다고 합니다. 현재 산업 전반에 걸쳐 널리 사용되는 인공지능 응용은 이미지 인식이 대부분이지만, 이러한 방법은 크로마토그래프 분석장비에서 얻어진 크로마토그램과 분광광도계에서 얻어진 스펙트럼에도 적용할 수 있다고 합니다. 또한 NMR, 질량분석계에도 적용을 넓힐 수 있습니다.

제약 및 소비재 산업에서 인공지능 사용 이점

제약과 소비재 산업의 분석화학 실험실에서 인공지능을 사용하는 주된 이유 중 하나는 개발 주기를 더 앞당기기 위함입니다.
예를 들면, 인공지능을 이용하여 합성화학과 재료 응용 분야에 관련된 특정 문제들을 해결 할 수 있습니다. 인공지능이 분석된 데이터를 수집하고 원하는 특징을 가진 제품을 생산할 수 있게 성분들의 최상 조합조건을 찾습니다.
또한 합성화학 분야에서는 화학 공간의 범위를 줄이고, 분석 데이터를 기반하여 목표 생성율을 높입니다.
아울러 과거 데이터를 이용하여 소비재 제품이 일정한 촉감, 향기를 유지 할 수 있게 합니다.

복잡한 혼합물 다루기

복잡한 혼합물의 개별 성분을 식별하는 과정은 쉽지 않습니다. 우리는 개별성분 분석을 위해 일반적으로 크로마토그래피 , 자외선 가시광선 분광광도계, 적외선 분광광도계, 질량분석계, 핵자기 공명법 등 수많은 분석장비를 사용합니다.
여러 장비로부터 얻어진 데이터에 인공지능을 이용하면 훨씬 더 효율적으로 분석물의 이온화 상수와 같은 물리화학적 특성을 얻을 수 있으며, 화합물의 세부분류를 통하여 화학구조까지 밝혀낼 수 있습니다.
이를 위해서 인공지능 알고리즘은 사용된 분석법의 설정 값 등도 참조합니다.
특히 혼합물 조성에 기반한 크로마토그래프 분석법에 대한 인공지능 연구는 활발합니다. 분리데이터 (이동상, 컬럼, 첨가제)와 물리 화학적 특성에 인공지능을 이용하면 새로운 분석법 개발을 가속화 할 수 있습니다.
이는 불순물과 분해물이 포함된 물질에서 분리를 통해 최종제품을 얻어내야 하는 제약회사에 응용됩니다.

도전과제와 인공지능을 사용한 분석화학의 미래

얻어진 데이터의 형식이 다르다는 것은 분석화학분야에 인공지능을 사용함에 있어 최대 걸림돌 입니다. 수많은 분석장비 제조업체들은 각자 독자적인 데이터 형식을 생성합니다. 결국 데이터 정규화를 통해 해결해야 합니다. 앞으로 일관된 데이터 형식에 기반한 데이터베이스(빅데이터)를 만드는 것이 인공지능을 이용하기 위한 핵심작업이 될 것입니다.
또 다른 과제는 알고리즘 훈련을 위한 정확한 데이터를 확보하는 것입니다. 완전하고 올바르게 주석처리가 된 데이터를 보유해야 합니다. 성공적인 실험만큼 가치가 있는 실패한 실험에도 주석처리가 되어 인공지능의 훈련을 위해 사용 되야 합니다.
분석화학에서 인공지능의 미래는 낙관적입니다. 인공지능이 성숙단계로 접어들고 접근하기 쉬어지면 혁신적인 기술이 나올 수 있습니다. 인공지능은 과학자와 연구자가 평가해야 할 업무(실험)를 줄여줌으로써 개발의 속도는 높여 줄 수 있습니다. 하지만 궁극적으로 의사결정은 항상 과학자와 연구자의 몫이란 것을 잊지 말아야 합니다.

분석장비 탐험가의 사색

의료분야에 인공지능이 활용되는 것을 보고 부러웠습니다. Johnson & Johnson, Pfizer와 같은 글로벌 제약회사에서는 빅데이터를 창출하여 신약 타켓을 찾아내는 등의 연구가 진행되고 있습니다. 우리나라에서도 테라제이텍스, 스탠다임, 중외제약, SK바이오팜, 신데카바이오, 뷰노 등이 인공지능을 신약개발에 사용하고 있습니다.
만약 여러 분석장비의 데이터 취득단계부터 데이터 형식이 정규화 된다면, 보다 쉽게 인공지능을 위한 빅데이터를 생성할 수 있게 될 것이고, 신약개발 시간을 단축시킬 수 있을 것입니다.
또한 앞으로 이것은 분석장비 업계의 도전과제일 것입니다.
‘콘텐츠의 미래_바라트 아닌드 저’ 에서는 콘텐츠의 질보다 각 콘텐츠의 간의 연결이 중요하다고 강조합니다. 어떤 내용을 포함하고 있는 집합이란 관점에서 볼 때 데이터도 어떻게 보면 콘텐츠일 수도 있습니다. 결국 양질의 데이터도 서로의 연결 없이는 더 큰 파급효과를 만들어 내기가 힘듭니다.
각 분석장비 제조 업체들이 서로 협력하여 분석장비와 인공지능이 쉽게 콜라보 할수있도록 분석장비 데이터을 표준화 한다면, 분석장비 시장은 물론 분석화학, 기기분석 학문에도 새로운 활력이 생길 것으로 기대합니다.

자료출처
www.labmanager.com
https://m.ibric.org/miniboard/read.php?Board=report&id=3374

분석장비 이야기분석장비 탐험가 (필명) (㈜신코 연구개발부, 책임연구원) 분석장비업계에 종사한지 15년이 된 평범한 직장인입니다. 우연히 사내 교육담당을 하면서 글쓰기에 호감을 갖게 되었습니다. 그리고 글과 함께 그동안 차갑고 무겁게만 느껴진 ‘분석장비’을 따스하고 가볍게 바라보려고 합니다.
출처: [BRIC Bio통신원] [분석장비 이야기] 분석화학과 인공지능(AI) ( https://www.ibric.org/myboard/read.php?Board=news&id=319638 )