| 학회 |
한국공업화학회 |
| 학술대회 |
2021년 가을 (11/03 ~ 11/05, 대구 엑스코(EXCO)) |
| 권호 |
25권 2호 |
| 발표분야 |
포스터-화학공정 |
| 제목 |
Synthetic route design using artificial intelligence based on reinforcement learning |
| 초록 |
최근 원하는 특성을 갖는 분자를 설계하는데 인공지능 기술을 접목시키는 연구가 활발히 이루어지고 있다. 특히, 정해진 환경 안에서 인공지능 에이전트가 현재의 상태를 인식하고, 선택 가능한 행동들 중 보상을 최대화하는 행동을 선택하여 스스로 학습하는 강화학습(reinforcement learning)을 이용한 연구가 주목을 받고 있다. 현재 주로 연구되고 있는 강화학습 기반 분자합성 방법으로는 원하는 물질로부터 구매 가능한 building-block chemical로 분해하여 합성 경로를 역으로 특정하는 역합성(retrosynthesis)이 있다. 하지만 역합성을 이용한 분자합성은 반응 생성물의 결합을 끊어 합성 경로를 알아내기 때문에, 설계된 분자의 다양성이 제한되며 그 과정에서 합성가능성(synthesizability)을 보장하지 못한다는 한계가 있다. 본 연구에서는 이러한 한계점을 극복하면서도 역합성보다 성능이 좋은 분자설계 방법론을 제시하고 검증하고자 한다. |
| 저자 |
최혜연1, 강동주2, 김현승2, 이원보2, 나종걸1
|
| 소속 |
1이화여자대, 2서울대 |
| 키워드 |
reinforcement learning; chemical synthesis; forward synthesis
|
| E-Mail |
|
