싱가포르 1억2,000만 싱가포르달러 AI4S 프로젝트, 연구실과 산업 현장 잇는다

싱가포르의 국가 AI-for-Science(AI4S) 프로그램은 연구자를 대신해 답을 내놓는 AI를 만드는 데 그치지 않는다. 가설을 고르고, 실험을 설계하고, 결과를 측정하며, 소프트웨어를 검증하고, 최종적으로 산업 현장에 적용할 수 있는 기술로 연결하는 것이 목표다. 싱가포르 국가연구재단(NRF)이 추진하는 이 프로그램의 총 규모는 1억2,000만 싱가포르달러다. 첫 8개 프로젝트는 2026년 6월 16일 공개됐으며, AI 전문가와 각 분야 과학자, 국제 연구기관이 함께 참여한다. 다만 이 프로젝트들이 제시하는 결과는 아직 상용화가 확인된 성과가 아니라 연구 목표라는 점을 구분할 필요가 있다.

예측을 넘어 ‘만들 수 있는가’를 묻는 소재 연구

가장 눈에 띄는 프로젝트 중 하나는 싱가포르국립대학교(NUS)와 캐나다 토론토대학교가 공동 추진하는 1,000만 싱가포르달러 규모의 Materials Data Foundry다. 이 연구소는 AI, 로봇, 실험 중 실시간 측정(in-situ measurement)을 결합한 개방형 자율 실험실을 구축한다.

기존 소재 AI 모델은 논문이나 데이터베이스에 축적된 소재 특성을 학습하는 경우가 많았다. Materials Data Foundry는 여기에 그치지 않고, 실제 합성 조건과 소재의 성능을 연결하는 실험 데이터를 직접 생산할 계획이다. 목표는 수만 건의 반응과 합성 가능한 후보 물질, 공개 소프트웨어 도구를 확보하는 것이다.

이 접근법의 차이는 ‘AI가 이런 화합물이 유망하다고 예측했다’는 수준에서 멈추지 않는다는 데 있다. 연구진은 재현 가능한 제조 레시피를 확보해 차세대 반도체·양자 소재, 청정수소와 관련된 내구성 높은 전기촉매, 부식에 강한 코팅으로 이어지는 가능성을 검토한다. 다시 말해 예측과 생산 사이의 간극을 줄이는 것이 핵심이다.

촉매 탐색은 계산으로 좁히고 실험으로 확인

싱가포르 과학기술연구청(A*STAR)과 임페리얼 칼리지 런던이 함께하는 1,000만 싱가포르달러 프로젝트는 촉매 설계 공간을 계산적으로 탐색하는 데 초점을 맞춘다.

연구진은 촉매의 특성과 합성 조건을 예측하는 표면과학 파운데이션 모델과 클라우드 플랫폼을 개발할 예정이다. 이를 통해 청정연료, 이산화탄소에서 유래한 원료, 바이오 기반 화학물질에 활용할 후보를 선별한다. 프로그램의 공식적인 주요 목표는 계산 스크리닝을 500배 가속하는 것이다. 따라서 ‘거의 5배 더 빠르고 저렴하다’는 표현은 별도의 후속 개발 지표를 가리키는 경우가 아니라면 신중하게 해석해야 한다.

계산 결과가 곧바로 상용 촉매를 뜻하는 것은 아니다. AI가 후보군을 빠르게 좁힌 뒤 실제 합성·측정으로 성능과 제조 가능성을 확인하는 과정이 필요하다. 이 점에서 촉매 프로젝트 역시 AI와 실험의 결합을 전제로 한다.

AI가 만든 코드를 AI가 검증하게 한다

소프트웨어 분야에서는 NUS와 임페리얼 칼리지가 프로그램 추론 기술을 개발한다. 이 도구는 소프트웨어를 자동으로 분석하고 테스트하며, 형식 검증을 거쳐 코드가 요구사항을 정확히 충족하는지 증명하는 것을 목표로 한다.

동시에 문서가 부족한 기존 코드처럼 완전한 형식 검증이 어려운 경우에는 보다 유연한 추론 방식으로 코드의 의도와 동작을 해석한다. 연구진은 네트워크 프로토콜과 리눅스 커널 구성요소처럼 오류의 영향이 클 수 있는 소프트웨어를 대상으로 도구를 시험할 계획이다. 장기적으로는 한 AI 시스템이 작성한 코드를 다른 AI 에이전트가 감사하는 구조도 염두에 두고 있다.

생명과학에서는 여러 데이터 층을 함께 읽는다

의생명 분야의 MultiOmicsFM은 DNA, RNA, 유전자 활성 데이터 등을 개별적으로 처리하지 않고 하나의 모델에서 통합 해석하는 것을 목표로 한다. 싱가포르의 다민족 데이터셋을 활용해 질병 위험 연구와 mRNA 치료제 최적화를 지원한다는 구상이다.

별도의 BloodCounts! 프로젝트는 일반적인 전혈구검사(CBC·FBC)의 원시 측정값 전체와 혈액도말 이미지까지 활용하는 DeepCBC 파운데이션 모델을 개발한다. 한 번의 혈액검사에서 더 많은 진단 정보를 끌어내고, 뇌졸중이나 암 위험과 같은 질환 예측을 지원하는 것이 목표다.

이는 AI가 새로운 검사를 발명한다기보다, 이미 널리 사용되는 검사에 포함된 정보를 더 정교하게 해석하려는 접근이다. 실제 의료 활용을 위해서는 모델의 예측 성능뿐 아니라 다양한 환자군에서의 검증과 임상적 유용성 확인이 뒤따라야 한다.

농업·에너지까지 확장되는 AI4S

NUS와 일리노이대학교 연구진이 추진하는 ARCS 프로젝트는 지식 기반 농업 디지털 트윈을 개발한다. 디지털 트윈은 실제 동남아시아 농지를 가상 공간에 재현한 모델로, 관측 데이터와 작물과학 원리를 함께 반영한다.

목표는 단순히 결과를 예측하는 블랙박스 모델이 아니다. 언제 파종할지, 자원을 어떻게 배분할지, 공급망을 어떻게 운영할지에 대해 해석 가능한 전망과 의사결정 도구를 제공하는 것이다.

8개 프로젝트에는 에너지 수송을 개선할 수 있는 AI 설계 인터페이스도 포함된다. 전체 포트폴리오는 소재, 촉매, 컴퓨팅, 유전체학, 소프트웨어, 농업, 혈액 분석과 에너지를 아우르며, AI4S를 단일 산업용 사업이 아닌 다분야 연구 체계로 구성한다.

싱가포르가 노리는 세 가지 효과

1. 연구 결과의 산업 전환

AI는 유망한 소재·분자·실험·코드를 제안할 수 있다. 그러나 실제로 제조할 수 있는지, 안전한지, 반복 생산이 가능한지는 자동화 실험실, 고속 스크리닝, 정밀 측정, 형식 검증이 판단해야 한다. Materials Data Foundry는 이런 ‘발견-실험-검증-제조’의 폐쇄형 순환 구조를 가장 분명하게 보여주는 사례다.

2. AI와 과학을 모두 아는 인재 양성

AI4S는 소재과학·생명과학·양자과학 같은 전통적 연구 분야와 AI를 함께 이해하는 이른바 ‘이중언어’ 과학자를 키우려 한다. 분야별 연구 질문과 데이터의 한계, 실험 과정의 제약을 모델 개발 초기부터 반영하려는 것이다.

3. 국제 연구 허브로서의 입지 강화

싱가포르는 NRF 자금, CREATE(연구 우수성과 기술·기업 협력을 위한 캠퍼스) 기반 국제 공동연구, 공동 디지털·실험 인프라, 공개 도구, 산업 파트너를 묶어 AI 기반 연구의 연결 거점이 되려 한다. 예를 들어 임페리얼 칼리지의 두 프로젝트는 CREATE에 기반을 둔 Imperial Global Singapore를 통해 운영되며, 전 세계 연구자들의 접근을 염두에 두고 설계됐다.

결국 AI4S의 성패는 모델이 얼마나 빠르게 예측하는지가 아니라, 그 예측이 실제로 쓸 수 있는 결과로 이어지는지에 달려 있다. 재현 가능한 제조 공정, 성능이 검증된 촉매, 임상적 근거를 갖춘 의사결정 지원, 신뢰할 수 있는 소프트웨어를 만들어낼 수 있을 때 싱가포르의 AI4S 투자는 연구 자동화를 넘어 기술 상용화의 기반으로 평가받을 수 있다.