이 기사의 핵심 내용은?

핵자기공명 분광법과 대규모 언어 모델의 추론을 결합한 분자 구조 식별 시스템 NMRAgent가 개발됐다. 기존 방식 대비 톱-1 정확도는 46.5% 향상됐으며, 타니모토 유사도는 0.502만큼 높아졌다. NMRAgent는 미지의 천연물 규명과 기존 구조 오기재 사례 수정 등을 통해 시스템의 실효성을 입증했다.

NMRAgent, 분자 구조 규명 성능 대폭 향상

•핵자기공명 분광법과 대규모 언어 모델의 추론을 결합한 분자 구조 식별 시스템 NMRAgent가 개발됐다.
•기존 방식 대비 톱-1 정확도는 46.5% 향상됐으며, 타니모토 유사도는 0.502만큼 높아졌다.
•NMRAgent는 미지의 천연물 규명과 기존 구조 오기재 사례 수정 등을 통해 시스템의 실효성을 입증했다.

연구진은 핵자기공명(NMR) 스펙트럼을 해석하여 분자 구조를 규명하는 AI 에이전트 NMRAgent를 공개했다. 기존 방식이 데이터베이스 검색이나 블랙박스 모델에 의존했던 것과 달리, 이 시스템은 대규모 언어 모델과 지식 그래프를 통합해 원자 수준의 해석력을 제공한다. 해당 에이전트는 분석 계획 수립, 구조 후보 제안, 피크와 원자 간 일치 여부 검증 등 인간의 논리적 추론 과정을 모방한다.

스캐폴드 분할 벤치마크 평가 결과, NMRAgent는 최신 기술 대비 톱-1 정확도를 46.5% 개선했으며 타니모토 유사도는 0.502 향상시켰다. 실제 연구 현장에서는 Hydrangea davidii와 Vitex trifolia에서 발견된 미지의 천연물을 성공적으로 식별하고, 기존 학술 문헌에 보고된 잘못된 구조 설정을 수정하는 등 실질적인 연구 효율성을 증명했다.

연구진은 핵자기공명(NMR) 스펙트럼을 해석하여 분자 구조를 규명하는 AI 에이전트 NMRAgent를 공개했다. 기존 방식이 데이터베이스 검색이나 블랙박스 모델에 의존했던 것과 달리, 이 시스템은 대규모 언어 모델과 지식 그래프를 통합해 원자 수준의 해석력을 제공한다. 해당 에이전트는 분석 계획 수립, 구조 후보 제안, 피크와 원자 간 일치 여부 검증 등 인간의 논리적 추론 과정을 모방한다.

스캐폴드 분할 벤치마크 평가 결과, NMRAgent는 최신 기술 대비 톱-1 정확도를 46.5% 개선했으며 타니모토 유사도는 0.502 향상시켰다. 실제 연구 현장에서는 Hydrangea davidii와 Vitex trifolia에서 발견된 미지의 천연물을 성공적으로 식별하고, 기존 학술 문헌에 보고된 잘못된 구조 설정을 수정하는 등 실질적인 연구 효율성을 증명했다.