싱가포르는 AI로 과학 발견을 어떻게 현실의 기술로 바꾸려 하나

싱가포르는 AI를 논문 검색이나 분자 예측을 빠르게 하는 보조 도구로만 보지 않는다. 국가연구재단(NRF)은 AI를 가설 수립, 실험 설계, 결과 분석, 소프트웨어 검증, 기술 개발 전반에 투입하는 1억2,000만 싱가포르달러 규모의 ‘AI for Science(AI4S)’ 프로그램을 추진하고 있다. 8개 프로젝트는 2026년 6월 16일 공식 출범했으며, 일부 연구는 4~5년 동안 진행될 예정이다.

이 사업의 핵심은 ‘발견 속도’를 높이는 데서 멈추지 않고, AI가 유망하다고 판단한 소재나 분자가 실제로 제조 가능하고, 재현 가능하며, 현장에서 쓸 수 있는지 확인하는 데 있다. 따라서 현재 발표된 결과는 완성된 상용 기술이 아니라 연구 목표로 이해해야 한다.

가장 선명한 사례는 ‘소재 예측’을 제조법으로 바꾸는 실험실

싱가포르국립대(NUS)와 토론토대 산하 Acceleration Consortium이 공동 설립한 1,000만 싱가포르달러 규모의 Materials Data Foundry는 AI4S의 방향을 가장 잘 보여주는 프로젝트다.

AI는 시뮬레이션을 통해 유망해 보이는 소재를 찾아낼 수 있다. 하지만 해당 소재를 어떤 온도와 압력, 조성, 공정 순서로 안정적으로 만들 수 있는지까지 자동으로 보장하지는 않는다. 연구실에서 한 번 성공한 합성이 공장 규모에서도 같은 성능을 낸다는 보장도 없다.

Materials Data Foundry는 이 ‘예측과 생산 사이의 간극’을 줄이기 위해 AI, 로봇, 실시간 측정 장비를 결합한 개방형 자율 실험실을 구축한다. 공개된 자료만 모델에 학습시키는 대신, 합성 조건과 실제 소재 성능을 연결하는 실험 데이터를 직접 생성한다. 이후 측정 결과는 AI 모델을 개선하고, 모델은 다음 실험을 선택하는 방식으로 반복 순환이 이뤄진다.

목표 대상에는 실리콘 이후의 차세대·양자 소재, 청정수소 생산에 활용될 수 있는 전기촉매, 부식에 강한 코팅 등이 포함된다. 여기서 중요한 산출물은 AI가 고른 후보 목록이 아니라, 실제로 반복 생산하고 평가할 수 있는 ‘제조 레시피’와 그 근거 데이터다.

촉매 후보는 AI로 좁히고, 최종 판단은 실험으로 내린다

A*STAR와 임페리얼 칼리지 런던이 공동 주도하는 별도 1,000만 싱가포르달러 프로젝트는 촉매의 특성과 합성 조건을 예측하는 Surface Science Foundation Model과 클라우드 플랫폼을 개발한다. 연구 대상은 cleaner fuel, 이산화탄소 기반 원료, 바이오 기반 화학물질 등이다.

프로그램 설명에는 계산 기반 후보 선별을 500배 빠르게 하는 목표가 제시돼 있다. 다만 이는 컴퓨터상 후보를 검색하는 단계의 목표이지, 완성된 연료나 화학 공정이 500배 빨리 상용화된다는 뜻은 아니다. ‘거의 5배 더 빠르고 저렴하다’는 표현 역시 어떤 후속 개발 지표를 가리키는지 구분해 받아들일 필요가 있다. 최종 시험대는 AI가 선택한 촉매가 실제 실험에서 성능을 내고, 경제성 있는 공정으로 이어지는지 여부다.

AI가 만든 코드를 다른 AI가 검증하는 구조

AI4S는 소프트웨어 신뢰성도 과학·공학 연구의 한 분야로 다룬다. NUS와 임페리얼 칼리지 런던은 코드를 분석하고 테스트하며, 가능한 경우 특정 조건에서 프로그램의 성질을 형식적으로 검증하는 도구를 개발하고 있다. 적용 대상에는 네트워크 프로토콜과 리눅스 커널 구성요소처럼 오류의 영향이 클 수 있는 소프트웨어가 포함된다.

한 가지 구상은 AI가 생성한 코드를 또 다른 AI 시스템이 감사하도록 하는 것이다. 이는 AI 보조 프로그래밍의 신뢰성을 높일 가능성이 있지만, 자동 분석이 모든 위험에 대한 보편적 안전 보장을 의미하는 것은 아니다. 형식 검증은 정해진 가정과 명세 아래 특정 성질을 증명하는 방식이며, 전체 시스템의 신뢰성은 명세·테스트·실제 운영 환경의 품질에도 달려 있다.

유전체·mRNA·혈액검사까지…의료 데이터의 층위를 통합한다

의생명 분야에서는 서로 따로 분석되던 데이터를 하나의 AI 모델 안에서 결합하려는 시도가 진행된다.

NUS와 A*STAR의 MultiOmicsFM은 싱가포르의 다민족 데이터셋을 활용해 DNA, RNA, 유전자 활성 데이터를 함께 해석하는 파운데이션 모델을 지향한다. 질병 위험 연구와 mRNA 치료제의 설계·전달 방식 개선이 주요 연구 목표다.

BloodCounts! 프로젝트는 일반적인 전혈구검사(CBC/FBC)의 원시 측정값 전체와 혈액 도말 이미지까지 함께 활용하는 DeepCBC 모델을 개발한다. 한 번의 혈액검사에서 더 많은 진단 정보를 끌어내고, 뇌졸중이나 암과 관련된 위험을 예측할 수 있는지 살펴보는 것이 목표다.

다만 이는 현재 일반 혈액검사만으로 해당 질환을 진단할 수 있다는 의미가 아니다. 실제 의료 현장에 적용하려면 적절한 환자 집단과 진료 환경에서의 성능 검증, 규제 검토, 임상적 유용성 입증이 필요하다.

농업 디지털 트윈으로 기후 회복력까지 겨냥

또 다른 프로젝트는 동남아시아 농지를 대상으로 지식 기반 농업 디지털 트윈을 만든다. 디지털 트윈은 현실의 대상이나 환경을 데이터로 재현한 가상 모델이다. 이 프로젝트는 관측 데이터에 작물과 농업 과학의 원리를 결합해 파종 시기, 자원 사용, 공급망을 위한 예측과 의사결정 도구를 개발하려 한다.

과학적 지식을 모델에 반영하려는 접근은 단순히 과거 데이터의 패턴만 따라가는 모델보다 결과를 해석하고 반박하기 쉽게 만들 수 있다. 물론 실제 활용도는 데이터의 정확성, 지역적 범위, 최신성에 좌우된다.

8개 프로젝트에는 에너지 수송을 개선하기 위한 AI 설계 계면 연구도 포함된다. 전체 포트폴리오는 소재, 촉매, 컴퓨팅, 유전체학, 의료, 에너지, 농업과 기후 회복력 등 여러 분야를 아우른다.

AI4S의 작동 방식은 ‘폐쇄형 순환’에 가깝다

프로젝트마다 세부 목표는 다르지만 공통된 구조는 다음과 같다.

1. AI가 제안한다. 소재, 촉매, 분자 설계, 실험 조건, 코드 또는 농업 개입 방안을 탐색한다.
2. 실험과 검증이 시험한다. 자동화 실험실, 고속 측정, 소프트웨어 분석, 현장과 가까운 모델 등을 통해 제안을 평가한다.
3. 새로운 데이터가 모델을 개선한다. 실제 관측 결과가 다음 예측과 실험 선택에 반영된다.
4. 전문가가 현실성을 판단한다. 제조 가능성, 신뢰성, 임상적 유용성, 환경적 의미 등을 검토한다.

Materials Data Foundry는 AI 예측을 자동 합성·측정과 직접 연결하도록 설계됐다는 점에서 이 순환 구조를 가장 구체적으로 보여준다. 촉매 선별, 소프트웨어 검증, 생의학 모델링에서도 마찬가지로 중요한 것은 더 많은 예측이 아니라 예측을 뒷받침하는 믿을 만한 증거다.

싱가포르가 AI4S에 투자하는 이유

AI4S는 연구비 사업인 동시에 인재와 연구 인프라를 확보하려는 전략이기도 하다. NRF는 AI 연구자와 소재과학, 생명과학, 양자과학 등 분야별 전문가의 협업을 강조하고 있다. 목표는 AI와 특정 과학 분야를 모두 이해하는 이른바 ‘이중언어형’ 연구자를 키우는 것이다.

프로젝트에는 NUS, 난양공대(NTU), A*STAR 등 싱가포르 기관과 토론토대, 임페리얼 칼리지 런던, 케임브리지대, 교토대 등 해외 파트너가 참여한다. 임페리얼 칼리지 런던의 두 프로젝트는 국가 연구·혁신 허브인 CREATE 캠퍼스의 Imperial Global Singapore를 통해 운영되며, 국제 협력과 연구자 접근성을 강조한다.

싱가포르가 선택한 방식은 분명하다. 국가 연구비로 난도가 높은 문제를 정하고, 여러 분야의 연구자를 묶으며, 공동 실험·디지털 인프라를 만들고, AI와 실험실 사이를 오갈 수 있는 인재를 양성하는 것이다. 이를 통해 AI 기반 과학 연구의 국제적 거점으로 자리 잡겠다는 구상이다.

성공 여부는 ‘예측 수’가 아니라 현실에서 판가름 난다

AI4S의 성패는 모델이 얼마나 많은 후보를 제시했는지가 아니라, 그 후보가 실제 환경에서 살아남았는지로 평가될 가능성이 크다. 눈에 띄는 성과는 다음과 같은 형태일 것이다.

• 첨단 소재를 반복 생산할 수 있는 제조 프로토콜
• 현실적인 운전 조건에서도 성능을 내는 촉매
• 소프트웨어의 정확성 또는 신뢰성을 입증할 수 있는 검증 도구
• 적절한 데이터와 임상 환경에서 검증된 의료 모델
• 실제 농업 현장에서 예측과 자원 계획을 개선하는 의사결정 도구

싱가포르의 1억2,000만 싱가포르달러 투자는 AI를 실험, 검증, 도메인 전문성에 연결하는 과학 연구 모델에 대한 베팅이다. 이 사업은 아이디어에서 시제품으로 넘어가는 시간을 줄이고 과학적 발견을 더 체계화할 수 있다. 그러나 최종 질문은 여전히 남아 있다. 8개 연구 프로젝트가 AI의 유망한 예측을 확장 가능하고 안전하며 실제로 유용한 기술로 바꿀 수 있을까 하는 점이다.