SandboxAQ, Claude와 연결된 물리 기반 AI 공개…자연어로 과학 시뮬레이션 실행

LLM이 텍스트 패턴을 학습하는 모델이라면, LQM은 물리 법칙과 수학적 계산을 기반으로 실제 세계 시스템을 시뮬레이션하도록 설계된 모델이다.

이 모델들은 다음과 같은 영역을 다룬다.

• 화학 반응 시뮬레이션
• 분자 동역학
• 재료 물성 예측

SandboxAQ는 물리 기반 시뮬레이션과 머신러닝을 결합해 신약 개발이나 재료 연구의 발견 속도를 높이는 것을 목표로 하고 있다.

Claude 같은 자연어 인터페이스와 결합하면, 연구자는 복잡한 계산 모델을 마치 AI 비서에게 질문하듯 사용할 수 있다.

첫 적용 사례: 촉매 탐색 모델 ‘AQCat Adsorption Spin’

Claude 통합을 통해 처음 제공되는 도구는 AQCat Adsorption Spin이다.

이 모델은 이종 촉매(heterogeneous catalyst) 탐색을 위한 머신러닝 기반 시스템으로, 연구자가 자연어로 다음과 같은 분석을 수행할 수 있게 한다.

• 촉매 표면에서 분자의 흡착 에너지 예측
• 결합 에너지 교차점(binding-energy crossover) 분석
• 특정 화학 반응에 적합한 촉매 조성 탐색

이 시스템은 SandboxAQ의 스핀(spin) 효과를 고려한 촉매 머신러닝 엔진을 기반으로 하며, 전통적인 DFT(밀도 범함수 이론) 시뮬레이션과 유사한 통찰을 훨씬 간단한 설정으로 제공하는 것을 목표로 한다.

촉매 연구는 산업적으로도 중요한 분야다. 산업 화학 공정의 상당수가 촉매 반응에 의존하며, 관련 AI 모델 학습에는 수천만 건의 양자화학 계산 데이터가 사용된다. 예를 들어 AQCat25 데이터셋에는 약 1,100만 개 계산 데이터와 4만 개 이상의 촉매 시스템이 포함돼 있다.

다음 단계: 신약 개발 모델

SandboxAQ는 앞으로 같은 방식으로 다른 LQM 모델도 Claude와 연결할 계획이다.

특히 바이오·제약 연구를 위한 모델 두 가지가 공개됐다.

• AQPotency: 후보 약물 분자의 효능 예측
• AQCell: 세포 수준의 상호작용과 생물학적 반응 모델링

이러한 모델이 실제로 Claude 인터페이스를 통해 제공되면, 기존에는 계산화학 전문가나 전용 팀만 사용하던 도구가 더 넓은 연구자 워크플로에 통합될 수 있다는 기대가 나온다.

SandboxAQ가 말하는 ‘Quantitative AI’ 확장 전략

SandboxAQ는 이번 통합을 단순한 제품 기능 추가로 보지 않는다.

회사 측은 이를 “Quantitative AI(정량 기반 AI)”를 확산시키는 전략의 시작으로 설명한다.

지금까지 고급 과학 시뮬레이션을 실행하려면 다음 두 가지가 필요했다.

• 깊은 도메인 지식
• 복잡한 프로그래밍 및 컴퓨팅 인프라

하지만 LLM을 인터페이스 계층으로 활용하면 연구자는 코드 대신 질문으로 모델을 사용할 수 있게 된다.

SandboxAQ는 이 접근 방식이 다음 산업으로 확장될 가능성을 보고 있다.

• 바이오제약 및 신약 개발
• 에너지와 촉매 기술
• 산업 화학
• 첨단 소재 연구

핵심 아이디어는 간단하다. 연구자가 가설 → 시뮬레이션 → 결과 분석까지의 과정을 훨씬 빠르게 반복할 수 있게 만드는 것이다.

과학 연구에서 나타나는 새로운 AI 구조

이번 사례는 과학 AI에서 점점 늘어나는 구조를 보여준다.

• LLM: 사용자 인터페이스 및 작업 오케스트레이션
• 전문 모델(LQM): 실제 물리·화학 계산 수행

즉, 언어 모델이 과학을 직접 추론하는 대신 도메인 특화 계산 모델을 호출하고 조율하는 역할을 맡는다.

이런 구조가 확산되면 고급 계산 과학 도구가 더 많은 연구자에게 열릴 가능성이 있다. 프로그래밍, 시뮬레이션 파이프라인, 고성능 컴퓨팅에 대한 전문 지식이 없어도 자연어 인터페이스를 통해 실제 과학 계산을 실행할 수 있기 때문이다.