주간 연구 브리핑 — AI·신약·기능성식품 (2026-08-09)

이번 주 브리핑을 관통한 문장은 하나다. 모델이 커지는 속도보다 그 모델을 검증하는 속도가 느리다.

로봇 실험실이 사람의 가설 없이 새 물질을 찾아냈다는 보고가 나온 바로 그 주에, AI 에이전트가 이미 발표된 논문의 발견조차 절반도 재현하지 못한다는 벤치마크가 세 건 나왔다. 가속과 병목이 같은 주에 함께 도착했다.

신약·바이오 신기술 — 분자 생성이 초 단위로 내려왔다

MolX: 단백질 포켓 300만여 개와 분자 500만여 개를 E(3)-등변 그래프로 함께 학습한 기하 파운데이션 모델. 8개 벤치마크에서 일관되게 최고 성능을 냈다. (bioRxiv 프리프린트, 10.64898/2026.02.26.708362)
LaMGen: 양자화학 수준 컨포머 60만여 개와 다중표적 연관 데이터 70만여 건으로 학습한 언어모델 기반 생성기. 분자 하나당 0.44초로 확산 모델을 속도·성능 모두에서 앞섰다. (Nature Communications 17, 5091, 2026)

So what → 연구실 연결: 후보 분자를 만들어내는 일은 더 이상 병목이 아니다. 우리 쪽 병목은 "무엇을 만들까"에서 "만든 것을 어떻게 확인할까"로 완전히 옮겨왔다. 두 결과 모두 계산 예측이며, wet-lab 확인은 여전히 별개의 일이다.

ORI: 온톨로지로 보강한 폐루프 단백질 설계 시스템. 3B 파라미터 모델을 서열 1.66억 개·토큰 600억 개로 학습해, 활성이 100배 오른 라이소자임, 85°C를 견디는 키티네이스, 두 기능을 함께 갖는 효소까지 실험으로 확인했다. 예측을 내놓고 끝난 게 아니라 wet-lab 검증이 붙은 점이 핵심이다. (Nature Communications 17, 4158)
촉매 쪽에서는 기계학습 원자간 퍼텐셜에 LLM과 검색증강을 결합해, 합성하기 전에 성능을 예측하고 역설계하는 접근이 보고됐다. (Angewandte Chemie Int Ed, 2026)

So what → 연구실 연결: 우리가 다루는 발효 효소·전환 효소도 같은 틀에 올릴 수 있다. 다만 시작은 목표가 한 축으로 뚜렷한 문제여야 한다. 열안정성이 가장 만만하다.

EDEN: 280억 파라미터 메타게놈 파운데이션 모델. 뉴클레오타이드 토큰 9.7조 개, 100만 종 이상을 학습했고 세 가지 치료 모달리티 설계까지 보고했다. (bioRxiv 프리프린트)
LUMI-lab의 폐루프 구조 자체도 이식 대상이다. 소재를 바꿔가며 만들고 재고 학습하는 루프는 지질나노입자든 발효 배지든 형식이 같다.

So what → 연구실 연결: 메타게놈 모델은 발효 균주·효소 탐색에 바로 닿는다. 단, 학습 데이터가 임상·환경 메타게놈 중심이라 식품 발효 도메인에서의 성능은 우리가 따로 확인해야 한다.

LUMI-lab: 분자 파운데이션 모델과 로봇을 묶은 자율 실험실. 10사이클 동안 지질나노입자 1,700종 이상을 합성·시험했고, 사람이 사전 가설을 주지 않은 상태에서 브롬을 단 지질이 mRNA 전달을 높인다는 사실을 스스로 찾아냈다. 이번 주 가장 무거운 결과다. (Cell, doi:10.1016/j.cell.2026.01.012)
ARCH3D: 유전체 전역의 3차원 구조를 다루는 첫 파운데이션 모델. 비어 있는 Hi-C 접촉을 복원하고 다중 접촉 예측에서 AUC 0.930을 기록했다. (bioRxiv 프리프린트)
규모 경쟁도 이어졌다. 1조 파라미터 과학 멀티모달 모델(Intern-S1-Pro), 네 개 예보 영역을 갈아치운 지구시스템 모델(Aurora).

같은 주에 정반대 방향의 증거도 쌓였다.

FIRE-Bench: 이미 알려진 과학적 통찰을 전주기로 다시 찾아내게 시켰더니, 가장 잘하는 에이전트도 F1 50을 넘지 못했다. (ICML 2026)
AutoResearchBench: 300만 편 규모 arXiv에서 관련 문헌을 찾는 과제에서 최강 Deep Research가 9.39%.
ClaroAI-Bench: NIH 논문 35편 재현 과제에서 도구를 전부 줬을 때 60.6%.
여기에 자율 발견의 근본 한계 네 가지를 정리한 포지션 페이퍼까지 더해졌다.

So what → 연구실 연결: 에이전트에게 연구를 통째로 맡기는 건 아직 이르다. 대신 범위를 좁힌 반복 작업 — 데이터 전처리, 후보 정렬, 문헌 1차 수집 — 에 붙이면 지금도 남는 장사다.

Kill — AI 에이전트에게 문헌 리뷰 전체를 맡기려던 구상. 이번 주 벤치마크 세 건이 같은 방향을 가리킨다. 1차 후보 수집까지만 시키고 판단은 사람이 한다.
Watch — LUMI-lab 방식의 폐루프. 우리 규모에서 로봇 팔은 무리지만, 만들고-재고-모델 갱신하는 최소 버전은 96웰 플레이트로도 성립한다. 후속 재현 보고가 나오는지 본다.
Test — 학생 1명·30분: ORI 논문(Nature Communications 17, 4158)에서 열안정성 개선 파트만 읽고, 우리가 현재 쓰는 효소 중 목표를 한 축(열안정성 또는 기질 특이성)으로 세울 수 있는 후보 두 개를 골라 표 한 장으로 가져오기.
Write — 폐루프 설계가 천연물 소재 최적화에 어디까지 적용되는지 한 쪽짜리 메모. 다음 과제 제안서 배경 절에 그대로 들어간다.