[AI 정보] Anthropic, Claude를 화학자로 훈련하며 NMR 해석의 새 가능성을 보여주다

🧪 Anthropic이 공개한 Making Claude a chemist는 범용 AI 모델이 과학 연구의 전문 도구로 어디까지 들어갈 수 있는지를 보여주는 흥미로운 연구 소식입니다. 이번 글에서 Anthropic은 합성화학, 계산화학, 분석화학 전문가들과 함께 Claude가 화학자의 일상 업무를 더 잘 돕도록 만드는 작업을 소개했습니다.

 

핵심 사례는 NMR 스펙트럼 해석입니다. NMR은 화학자가 분자의 구조를 확인할 때 자주 사용하는 분석 방법입니다. Anthropic은 Claude가 화학자가 다루는 가장 흔한 분석 입력 중 하나인 NMR 스펙트럼을 어떻게 이해하고 예측하는지 평가했습니다.

 

📌 발표의 핵심은 무엇인가요

 

Anthropic은 화학자가 분자를 다룰 때 손으로 그린 구조, 장비 판독값, 데이터베이스 표기, 논문과 특허의 기술적 표현 사이를 계속 오간다고 설명합니다. 같은 분자를 말하더라도 표현 방식이 달라지면 필요한 전문성이 달라집니다.

 

이런 변환과 확인 작업은 시간이 많이 걸립니다. Anthropic은 세계 최대 화학 등록 데이터베이스인 CAS가 2억 9천만 개가 넘는 공개 물질을 다루고, 매일 약 1만 5천 개씩 늘어난다고 소개했습니다. 사람이 모든 표현과 자료를 따라가기는 점점 더 어려워지는 셈입니다.

 

🔬 왜 NMR이 중요한가요

 

NMR 분광법은 작은 분자부터 의약품, 염료, 향료, 고분자, 생체분자까지 구조 확인에 널리 쓰입니다. 분자를 현미경으로 직접 보는 것이 아니기 때문에, 화학자는 스펙트럼의 피크 위치와 모양, 간격을 읽고 원자 배치와 구조를 추론합니다.

 

문제는 이 과정이 매우 세밀하다는 점입니다. 합성화학에서는 새로 만든 화합물마다 스펙트럼의 각 피크를 제안된 구조의 원자와 맞춰야 합니다. 경험 많은 화학자에게도 반복적이고 시간이 많이 드는 작업입니다.

 

📊 Claude와 전문 소프트웨어의 비교

 

Anthropic은 Opus 4.7, Opus 4.6, Sonnet 4.6 세 모델을 ChemDraw, MestReNova 같은 기존 NMR 도구와 비교했습니다. 평가에는 모델 학습 이후에 올라온 ChemRxiv 프리프린트에서 고른 20개 신규 화합물이 사용됐습니다.

 

평가 방식도 흥미롭습니다. 각 도구에는 화학자가 분자를 소프트웨어에 입력할 때 쓰는 문자열 표기인 SMILES가 주어졌고, 수소와 탄소 NMR 피크를 예측하도록 했습니다. 결과는 실험값과의 차이를 ppm 단위로 비교했습니다.

 

🧠 눈에 띄는 결과

 

Anthropic에 따르면 수소 예측에서는 Opus 4.7이 평균 오차 ±0.079 ppm으로 가장 정확했습니다. 탄소 예측에서는 Opus 4.7과 MestReNova가 각각 ±1.37, ±1.48 ppm 수준으로 사실상 비슷한 수준을 보였습니다.

 

또한 Claude는 피크 위치만이 아니라 피크의 모양과 간격처럼 화학자가 구조 정보를 읽을 때 함께 보는 요소에서도 의미 있는 결과를 냈습니다. 일부 항목에서는 기존 도구보다 더 자주 실험 패턴과 맞아떨어졌다는 설명도 포함됐습니다.

 

🔁 역방향 문제도 다뤘습니다

 

더 중요한 대목은 구조 해명, 즉 스펙트럼에서 분자 구조를 거꾸로 추론하는 문제입니다. Anthropic은 Opus 4.7에 15개의 구조 해명 문제를 주고, 후보 구조를 최대 세 개까지 제안하도록 했습니다.

 

간단한 8개 문제에서는 스펙트럼과 분자식만으로 모든 시도에서 정답 구조를 회수했다고 설명했습니다. 더 어려운 7개 문제에서는 출발 물질 힌트를 제공했을 때 다수 문제에서 정답을 반복적으로 맞혔습니다. 이는 범용 모델이 전문 분석 도구의 보조자로 작동할 가능성을 보여줍니다.

 

⚠️ 과장해서 보면 안 되는 부분

 

물론 이것이 Claude가 화학자를 대체한다는 뜻은 아닙니다. Anthropic도 Claude가 화학자의 판단을 보완하는 일상적 번역, 기억, 통합 작업에서 의미 있게 도움을 주기 시작했다는 신중한 표현을 사용했습니다.

 

과학 연구에서는 결과의 재현성, 실험 조건, 오류 가능성, 안전성 검토가 모두 중요합니다. AI가 구조 후보를 제안하거나 스펙트럼 해석을 보조할 수 있어도, 최종 판단은 전문 연구자의 검증과 실험 맥락 안에서 이뤄져야 합니다.

 

🧭 왜 AI 업계가 주목해야 하나요

 

이번 사례는 범용 AI가 전문 분야로 들어가는 방식이 단순한 지식 답변에서 벗어나고 있음을 보여줍니다. 화학자는 그림, 표기법, 스펙트럼, 논문 문장을 함께 다룹니다. 멀티모달 이해와 추론 능력이 결합될수록 AI는 이런 복합 입력을 연결하는 도구가 될 수 있습니다.

 

특히 과학 분야에서는 데이터가 깔끔하게 정리돼 있지 않은 경우가 많습니다. 논문 보충자료, 장비 출력, 이미지, 실험 노트처럼 형식이 제각각입니다. AI가 이 자료를 연결하고 연구자가 검토 가능한 추론 과정을 제시한다면, 연구 속도와 탐색 범위가 넓어질 수 있습니다.

 

🧩 실무적으로 볼 포인트

 

연구기관과 제약·소재 기업은 AI를 단순 문서 요약 도구가 아니라 실험 보조 도구로 바라볼 필요가 있습니다. 다만 내부 데이터 보안, 실험 재현성, 결과 추적, 책임 소재를 함께 설계해야 합니다.

 

또한 특정 도메인에 맞춘 미세조정만이 답은 아닐 수 있습니다. Anthropic은 이번 평가에서 범용 모델인 Opus 4.7이 화학 특화 도구와 경쟁 가능한 결과를 냈다고 설명했습니다. 이는 강한 범용 모델과 도메인 검증 절차를 결합하는 전략의 가능성을 보여줍니다.

 

✅ 한 줄 정리

 

Anthropic의 Claude 화학 연구는 AI가 과학자의 사고를 대신하기보다 복잡한 표현과 분석 결과를 연결하는 조력자로 진화하고 있음을 보여줍니다. NMR 해석 사례는 전문 AI가 연구 현장에서 어떤 방식으로 실질적 가치를 만들 수 있는지 보여주는 좋은 출발점입니다.

 

🔗 출처: Anthropic 공식 연구 - Making Claude a chemist