그래프 기반 컨볼루션 네트워크로 학습하는 분자 지문

본 논문은 분자 구조를 그래프 형태로 직접 다루는 컨볼루션 신경망(Graph Convolutional Network, GCN)을 설계하고, 이를 통해 기존의 원형 지문(Extended‑Connectivity FingerPrint, ECFP)과 동일한 역할을 수행하면서도 학습 가능한 가변형 지문을 생성한다는 목표를 갖는다. 1. **배경 및 동기** - 화학·재료 과학에서 분자 특성 예측은 분자를 고정 길이 벡터(지문)로 변환한 뒤 머신러닝 모델에 입력하는 방식이 일반적이다. - 기존 ECFP는 해시와 인덱싱을 이용해 서브스트럭처를 이진 벡터에 매핑하지만, 해시 함수는 비미분 가능하고, 지문 길이와 반경을 사전에 고정해야 한다. - 따라서 데이터에 맞게 최적화된 지문을 학습하기 어렵고, 해시 충돌이나 과도한 차원 수가 발생한다. 2. **신경 그래프 지문의 설계** - **입력 특징**: 각 원자는 원소, 차수, 수소 결합 수, 가역성, 방향성 등을 원‑핫 인코딩한 벡터로 초기화한다. 각 결합은 단일·이중·삼중·방향족 등으로 인코딩한다. - **메시지 패싱 레이어**: 레이어 L에서 원자 a는 이웃 원자들의 현재 특징을 합산하고, 가중치 행렬 \(H^{(L)}\)와 비선형 함수 \(\sigma\) (tanh 혹은 ReLU)를 적용해 새로운 특징 \(r_a^{(L)}\)를 만든다. 이는 전통적인 컨볼루션에서 동일 필터를 모든 위치에 적용하는 것과 동일한 원리이다. - **인덱싱 대체**: ECFP가 원자별로 1‑bit를 특정 인덱스에 기록하는 반면, 신경 지문은 소프트맥스 연산을 통해 각 원자가 “클래스”에 확률적으로 할당되도록 만든다. 이렇게 얻은 확률 벡터를 전체 지문에 누적해 실수값 피처 벡터 \(f\)를 만든다. - **전체 파이프라인**: 여러 메시지 패싱 레이어(반경 R) 후, 전역 풀링(누적) 과정을 거쳐 고정 길이 실수 벡터를 출력한다. 이 벡터는 바로 downstream 모델(선형 회귀 혹은 다층 퍼셉트론)의 입력으로 사용된다. 3. **이론적 연결 고리** - 무한히 큰 가중치를 갖는 신경 지문은 해시 함수와 동일한 스텝 함수를 근사하고, 소프트맥스는 argmax와 동일하게 동작한다. 따라서 ECFP는 파라미터가 고정된 신경 지문의 특수 케이스이며, 파라미터를 학습함으로써 더 부드럽고 일반화 가능한 표현을 얻을 수 있다. 4. **실험 설계** - **데이터셋**: 용해도(1144개), 약효(EC50, 10,000개), 유기 광전 효율(20,000개) 세 가지를 사용하였다. - **비교 대상**: (1) ECFP + 선형 레이어, (2) ECFP + 1‑hidden‑layer 신경망, (3) 신경 지문 + 선형 레이어, (4) 신경 지문 + 신경망. - **학습 세부**: Adam 옵티마이저, 배치 정규화, ReLU 활성화, 랜덤 서치(50회)로 하이퍼파라미터 최적화, 10,000 미니배치(배치 크기 100) 학습. - **평가 지표**: 로그 용해도, EC50, 광전 효율에 대한 RMSE(또는 MAE)로 측정하였다. 5. **주요 결과** - 신경 지문은 모든 데이터셋에서 ECFP와 동등하거나 더 낮은 RMSE를 기록했다. 특히 선형 레이어만 사용했을 때도 신경 지문이 크게 우수했다(예: 용해도 RMSE 0.77 vs 1.71). - 작은 랜덤 가중치를 사용한 신경 지문은 큰 가중치(ECFP와 유사)보다 일반화가 더 좋았으며, 이는 부드러운 활성화가 인접 구조에 대해 유사한 피처를 생성하기 때문이다. - 시각화 실험에서는 각 피처에 가장 크게 기여하는 서브스트럭처를 자동으로 추출했으며, 용해도 예측에서는 친수성 –OH 그룹, 독성 예측에서는 황 원자를 포함한 방향족 고리와 다환 방향족 고리가 각각 긍정·부정 피처와 연관됨을 확인했다. 이는 기존에 수작업으로 진행하던 서브스트럭처 탐색을 자동화한 사례이다. 6. **계산 복잡도 및 한계** - 시간 복잡도는 O(R·N·F·L + R·N·F²)이며, 이는 ECFP와 동일한 차수이지만 행렬 곱셈 비용이 추가된다. 실험에서는 작은 데이터셋은 수분, 대규모는 약 1시간 내에 학습이 완료되었다. - 현재 레이어당 단일 비선형 변환만 사용했으며, 더 깊은 메시지 패싱, 다중 비선형 층, LSTM‑형식 메모리 등을 도입하면 표현력이 향상될 가능성이 있다. 7. **의의와 향후 연구** - 이 연구는 그래프 기반 신경망을 통해 분자 지문을 학습 가능하게 만든 최초의 시도 중 하나이며, 고정된 해시 기반 지문의 한계를 명확히 드러냈다. - 향후에는 전이 학습, 멀티‑태스크 학습, 대규모 화학 데이터베이스에 대한 사전 학습 등을 통해 더욱 일반화된 분자 표현을 구축할 수 있다. 또한, 해석 가능한 피처 시각화는 약물 설계와 독성 예측에서 도메인 전문가와의 협업을 촉진한다.