한국화학연구원 · UST-KRICT 스쿨 KRICT · UST-KRICT School
인공지능이 후보 물질을 설계하고, 예측하고, 실험을 스스로 제안하는 자율 신약개발 폐루프를 만듭니다. We build closed-loop drug discovery in which AI designs candidate molecules, predicts their behavior, and proposes the next experiment on its own.
연구실 소개About
A2DL(AI Autonomous Drug Discovery Lab)은 한국화학연구원(KRICT) 소속 연구실로, 신약 개발의 설계–합성–시험–분석(DMTA) 사이클을 인공지능으로 자동화하는 연구를 합니다. 생성 모델이 후보 물질을 제안하고, 예측 모델이 활성과 ADMET을 평가하고, 능동학습이 다음에 수행할 실험을 결정하는 폐루프(closed loop)가 연구의 중심입니다. A2DL (AI Autonomous Drug Discovery Lab) at the Korea Research Institute of Chemical Technology automates the design–make–test–analyze cycle of drug discovery. A generative model proposes candidates, predictive models assess activity and ADMET, and active learning decides which experiment to run next — a closed loop sits at the center of our work.
모델의 성능만큼 중요한 것이 데이터입니다. 문헌과 실험 기록에서 화학 정보를 추출·정제하는 화학정보학 인프라를 직접 구축하고, 양자화학 계산과 분자동역학 시뮬레이션으로 물리 기반 데이터를 함께 생성합니다. 궁극적인 목표는 실험실에서 실제로 검증되는 예측입니다. Data matters as much as models. We build our own cheminformatics infrastructure to extract and curate chemical information from literature and experimental records, and generate physics-based data through quantum chemistry and molecular dynamics. Our goal is prediction that survives the laboratory.
또한 UST-KRICT 스쿨의 학위 과정을 통해 석·박사 과정 대학원생을 지도하며, 계산화학과 기계학습을 모두 다룰 수 있는 연구자를 양성합니다. Through the UST-KRICT School, we supervise M.S. and Ph.D. students and train researchers fluent in both computational chemistry and machine learning.
연구 분야Research
표적 단백질에 맞는 신규 화합물을 생성 모델로 설계합니다. 활성·선택성·합성 가능성을 동시에 만족시키는 다중 목적 최적화로 방대한 화학 공간에서 후보를 좁혀 갑니다. Generative models design novel compounds against a target protein. Multi-objective optimization balances potency, selectivity, and synthetic accessibility to narrow a vast chemical space.
그래프 신경망(GNN)과 트랜스포머 기반 분자 표현 학습으로 결합 친화도와 흡수·분포·대사·배설· 독성(ADMET)을 예측합니다. 예측값과 함께 불확실성을 정량화해 어떤 결과를 믿을지 판단합니다. Graph neural networks and transformer-based molecular representations predict binding affinity and ADMET properties — with calibrated uncertainty, so we know which predictions to trust.
설계–합성–시험–분석(DMTA) 사이클을 자동화합니다. 능동학습이 정보량이 가장 큰 실험을 선택하고, 그 결과가 다시 모델을 갱신하면서 사람의 개입 없이 사이클이 스스로 돌아갑니다. We automate the design–make–test–analyze cycle. Active learning picks the most informative experiment, its result updates the models, and the loop turns without a human in the middle.
도킹과 분자동역학, 자유에너지 계산으로 표적–리간드 상호작용을 규명하고, 기계학습 원자간 퍼텐셜(MLIP)로 계산 규모를 확장해 예측의 물리적 근거를 확보합니다. Docking, molecular dynamics, and free-energy calculations reveal target–ligand interactions, while machine-learned interatomic potentials extend the scale — grounding predictions in physics.
구성원People
한국화학연구원 의약정보플랫폼센터 센터장
UST-KRICT 스쿨 교수
Director, Drug Information Platform Center, KRICT
Professor, UST-KRICT School
nccho@krict.re.kr+82-42-860-7093
한국화학연구원 책임연구원
UST-KRICT 스쿨 교수
Principal Researcher, KRICT
Professor, UST-KRICT School
yunolee1@krict.re.kr+82-42-860-7453
한국화학연구원 선임연구원
UST-KRICT 스쿨 교수
Senior Researcher, KRICT
Professor, UST-KRICT School
sghwang@krict.re.kr+82-42-860-7097
연구 성과Publications
논문 목록을 불러오는 중입니다… Loading publications…
* 교신저자 · 굵게 표시된 이름이 본 연구실 구성원입니다. * Corresponding author · Names in bold are members of this lab.
대학원 모집Join Us
UST(과학기술연합대학원대학교)-KRICT 스쿨은 한국화학연구원의 연구 현장에서 학위 과정을 밟는 제도입니다. 재학생은 연구원의 실험·계산 인프라를 활용하며 학생연구원으로서 지원을 받습니다. The UST-KRICT School lets graduate students pursue their degrees inside KRICT's research environment, with access to institute-scale computing and experimental facilities and financial support as student researchers.
관심 있는 분은 이력서(CV)와 간단한 연구 관심사를 담아 아래 메일로 연락해 주세요. Please email us your CV and a short note on your research interests.
지원 문의 메일 보내기Email Us오시는 길Contact
한국화학연구원은 대전 대덕연구개발특구 내에 있습니다. KTX 대전역에서 차량으로 약 20분, 유성 시외버스터미널에서 약 10분 거리입니다. KRICT is located in the Daedeok Innopolis research cluster in Daejeon — about 20 minutes by car from Daejeon KTX Station and 10 minutes from Yuseong Bus Terminal.
지도에서 보기 ↗Open in Maps ↗