Research Data & AI

2026년 6월 1주차(6.1~6.8) AI for Science(AI4S) 분야는 구글 딥마인드의 알파폴드 3 오픈소스화 단행과 산업적 바이오 로봇 실험실의 자율화 성과, 그리고 유럽 연합 차원의 인프라 구축 등 AI4S 생태계의 판도를 바꿀 대형 이슈들이 집중되었다. 단순한 컴퓨터 시뮬레이션 예측을 넘어, 그동안 폐쇄적이었던 프런티어 모델들의 소스 코드가 전격 공개(AlphaFold 3 소스 코드 배포)되면서 학계의 자체적 연구 역량이 극대화되는 전기를 맞이했다. 또한 로봇 인프라와 결합하여 실제 물질 변환을 자율 수행하는 단계로의 완전한 안착을 입증했다. < 주요 연구 성과 및 뉴스 > ▶ 구글 딥마인드, '알파폴드 3(AlphaFold 3)' 소스 코드 및 모델 가중치 전격 공개 (v3.0.2) 구글 딥마인드(Google DeepMind)는 그동안 자사 서버를 통해서만 제한적으로 제공하던 단백질-생체 분자 상호작용 예측 모델 '알파폴드 3'의 고도화된 추론 파이프라인 소스 코드와 가중치를 깃허브(GitHub)에 전격 공개했다. 이번에 업데이트된 v3.0.2 버전은 기존의 일반적인 단백질 접힘을 넘어 DNA, RNA, 리간드, 당쇄(Glycan) 결합 등 분자 간 상호작용 추론 성능을 고도로 안정화한 로컬 구동 버전이다. 특히 이번 6월 초 릴리스에서는 엔비디아의 차세대 블랙웰(Blackwell) GPU 아키텍처 및 플래시 어텐션(Flash Attention)을 정식 지원하여 추론 속도를 획기적으로 개선했으며, 부동소수점 최적화(float16)를 통해 메모리 점유율을 절반으로 줄였다. 이로써 전 세계 연구진들은 거대 자본이나 딥마인드 허가 없이도 자체 인프라에서 AI 과학자 파이프라인을 구축할 수 있게 되었으며, 맞춤형 신약 설계 및 분자 도킹 시뮬레이션의 연구 민주화가 실현될 것으로 보인다. 출처 : GitHub - google-deepmind/alphafold3 Releases v3.0.2  (Google Dee...

AI4S  WEEKLY ALERT AI for Science(AI4S) 주간 동향 2026.05.25 – 05.31  |  # 미국 은 세 건의 굵직한 발표가 있었습니다. Biohub의 ESMFold2 오픈소스 공개(5/27)가 가장 파급력이 큰 사건이고, PNNL의 자율과학 국가로드맵(5/27)과 NC State의 PoLARIS 12시간 소재 발견이 그 뒤를 잇습니다.  중국 은 'ScienceOne 100'을 통해 '과학 OS' 개념을 국가연구소 전체에 이식하는 플랫폼 전략을 명확히 했고, EU 는 RAISE와 MSCA 공모 개시로 제도적 기반을 착실히 쌓는 중입니다. 주요 연구 성과 및 뉴스 중국과학원(CAS) · 베이징 발표회 다학제 통합 과학 파운데이션 모델 시스템 'ScienceOne 100' 공개 중국과학원이 수학·물리·생물학 등 8개 핵심 과학 도메인 을 통섭하는 대형 AI 모델 시스템 ScienceOne 100을 전격 공개했다. 기존의 파편화된 개별 연구 도구들을 플랫폼 형태로 통합한 과학 파운데이션 모델로, 세 가지 핵심 기능이 연구 워크플로우 전반을 자율 조율한다. 문헌 탐색(Literature Compass) · 혁신성 평가(Innovation Evaluation) · 에이전트 팩토리(Agent Factory) — 연구 전 주기 자율 조율 고속열차 유체역학 재공학, 물질 분광 식별, 천체 관측, 고원 지대 과학 조사 등 50여 개 산하 연구소의 100개 이상 실전 시나리오 에 즉시 투입되어 플랫폼 기반 협력 혁신의 효용성을 검증했다. 다중 모달리티 과학 데이터 및 이미지에 대한 장기적 추론(Long-horizon reasoning) 부문에서 최고 수준의 벤치마크 성능을 달성, 고차원적 과학 가설 수립 능력을 인정받았다. 문헌 검토 에이전트는 1억 7,000만 건의 과학 문헌에 접근 가능하며, 기존 3~5일 소요 작업을 20분 이내 에 완료한다. 국가 전략 맥락: 2026 정부 업무 보고는 ...

2026 년 5 월 4 주차 (5.18~5.25) AI for Science(AI4S) 분야의 주요 뉴스 및 연구 동향이다 . 이번 주간에는 일반 대형 언어 모델과 물리학 및 화학 도메인 모델을 연결하는 혁신적인 ' 브릿지 아키텍처 ' 의 성공과 함께 , 학계와 산업계 전반에서 AI 과학자의 추론 성능과 인프라 성장을 증명하는 핵심 정량 지표들이 전방위적으로 발표되었다 . < 주요 연구 성과 및 뉴스 > ▣   로렌스 버클리 국립연구소 , LLM 과 물리모델을 연결하는 신소재 인프라 'MatterChat' 개발 로렌스 버클리 국립연구소 (Berkeley Lab) 연구팀은 LLM 이 원자 구조와 물리학 법칙을 직관적으로 이해할 수 있도록 돕는 대화형 AI 브릿지 프레임워크 MatterChat 을 공개했다 . 기존 LLM 은 원자 구조 데이터를 단순한 텍스트 문자열로 인식하여 원자들이 3 차원 공간에서 결합하는 물리적 방식을 이해하지 못하는 한계가 있었다 . MatterChat 은 ' 원자 간 포텐셜 (Interatomic Potentials)' 을 다루는 특화 물리 모델과 LLM 을 경량 브릿지 모듈로 결합하여 이를 해결했다 . 이 프레임워크는 차세대 반도체 칩 및 고용량 에너지 저장 장치 개발의 핵심 지표인 ' 밴드갭 (Bandgap, 에너지 준위 차이 )' 예측을 비롯한 재료 물성 평가에서 기존의 일반 LLM 및 특화 과학 AI 모델들을 압도하는 정확도를 보여주었다 . 연구팀의 자치 야오 (Zhi Yao) 박사는 " 처음부터 거대 과학 모델을 만드는 대신 이미 검증된 두 오픈소스 모델을 modular 구조로 연결했기 때문에 연산 효율성이 극도로 높고 다른 과학 도메인으로의 확장이 용이하다 " 고 강조했으며 , 본 기술은 미국 에너지부 (DOE) 의 제네시스 미션 하위 프로젝트 (AXESS) 에 즉시 투입되어 방사선 차단 탐지기 소재 개발에 활용 중이다 . 출처 : New M...