Meta를 무너뜨리고 NVIDIA의 지원까지 받았다? 해체된 전 Meta AI 단백질 팀, 최신 펀딩으로 1억 4200만 달러 조달
글: 메타버스 하트
생물학 분야 최전선의 인공지능 연구 실험실인 EvolutionaryScale이 최근 1억 4200만 달러 이상의 시드 펀딩을 유치하며 이정표적 AI 모델 ESM3를 공개했다. 설립된 지 단 1년밖에 되지 않은 이 회사는 AI 생명과학 분야에서 어떤 독특한 철학을 가지고 있을까? 또 새로 출시된 단백질 대규모 모델은 어떤 기술적 돌파구를 마련했을까?
지난주 Meta가 문장 생성 영상 분야에 열중하고 있는 와중에, 과거 Meta가 해체했던 단백질 연구팀 EvolutionaryScale이 1억 4200만 달러가 넘는 막대한 시드 투자를 유치했다. 이는 생물기술 분야 전체를 통틀어도 매우 비정상적으로 높은 금액이다.
지난해 8월, Meta는 자사 산하의 단백질 접힘 팀인 Meta-FAIR의 해체를 공식 발표했다. 순수하게 '과학 + AI' 프로젝트였던 이 팀은 Meta에게 빠른 수익 창출을 기대할 수 없었기에, Meta가 상업화 중심의 AI 개발에 집중하는 결정은 일리 있어 보였다.
그러나 기대 이하였던 이 팀은 불과 1년 만에 Meta를 당황하게 만들었다. 새롭게 출시한 ESM3 모델은 생물학 분야에서 이정표적 의미를 갖는 생성형 AI 모델로 평가되며, 생물학 프로그래밍에 새로운 가능성을 제시하고 있다.
01. 1분 프로젝트 요약
1. 프로젝트명: EvolutionaryScale
2. 설립일: 2023년 7월
3. 제품 소개:
새로운 단백질 및 기타 생물시스템 설계를 위한 대규모 언어모델(ESM) 개발. 현재는 이미 ESM-3 버전까지 진화함.
4. 창립 팀 구성원:
-
수석 과학자: Alexander Rives (뉴욕대학교 컴퓨터과학 박사, 전 Facebook AI 과학자)
-
Tom Sercu
-
Sal Candido
5. 투자 현황:
2024년 6월 25일, 총 1억 4200만 달러 규모의 시드 라운드 투자를 성공적으로 마쳤다. 이번 투자는 Nat Friedman과 Daniel Gross, Lux Capital이 주도했으며 아마존, NVentures(엔비디아 벤처 부문), 앵글 투자자들이 참여했다.
02. 팀워크와 일치된 비전 추구
인공지능의 발전은 기능성 생물분자, 특히 단백질 설계를 포함하여 생물학 연구에 전례 없는 기회를 제공하고 있다. 인공지능을 단백질 설계에 활용하면 단백질 설계 효율과 성공률을 크게 높일 수 있을 뿐 아니라, 전염병 발생 등 인간이 직면한 여러 문제들을 신속하게 해결하는 데에도 도움을 줄 수 있다.
Alexander Rives 등은 바로 이러한 단백질 설계의 한계를 인식하고 딥러닝 기반의 대규모 모델 개발을 결심했다. 산업 수준의 단백질 설계를 ‘완전 자동화된 지능형 생성 시대’로 이끌고자 한 것.
이렇게 해서 EvolutionaryScale이 탄생하게 된다. 바이오 과학 분야의 선도적인 AI 연구 실험실로서, 생물학 분야 최첨단 대규모 언어모델 개발에 매진하고 있다.
흥미롭게도 창립 멤버 8명 전원이 Meta의 FAIR(기초 인공지능 연구) 부서 출신이다. 세계적 소셜 미디어 거물 기업에서 좌절을 경험했지만, 핵심 팀원들은 포기하지 않고 신속히 새로운 전선으로 뛰어들어 기존 팀의 성과를 바탕으로 차세대 모델 개발에 착수했다.
EvolutionaryScale의 대규모 모델은 건강, 환경 과학 등의 분야 연구개발을 지원하며 생물학적 확장성을 계속 탐색하고 있으며, 획기적인 과학연구에 동력을 제공하고 있다. 가장 두드러진 성과는 단백질 접힘 기술의 돌파인데, ESM 모델은 수억 개의 메타유전체 단백질 구조를 밝혀내며 전 세계 과학자들이 단백질을 시뮬레이션하고 이해하는 것을 도왔다.
EvolutionaryScale은 개방적이고 안전한 연구 방식을 통해 단백질 설계 분야의 인공지능 기술 개발을 이끌고자 한다.
이러한 기반 위에서 회사는 서명자로서 학계, 정부 및 민간 부문의 글로벌 이해관계자 160명 이상과 함께 기술을 공동 개발하며, 그 안전성과 신뢰성을 보장하여 인류의 건강과 사회에 이로운 미래를 실현하고자 한다.
바이오 분야 선도적 AI 기술을 이끌어야 한다는 책임감을 갖고 있기 때문에 Alexander Rives와 그의 팀은 결코 멈추지 않았다.
이전에 EvolutionaryScale은 대규모 언어모델 ESM1을 발표한 바 있는데, 이는 단백질 분야 최초의 트랜스포머 기반 언어모델로 평가받는다. 이 모델은 EvolutionaryScale 창립 팀이 Meta의 FAIR 부서 재직 시 개발한 것이다. 이후 업그레이드된 ESM2는 15억 개의 파라미터를 가지며, 기존 모델인 ESM1b(6.5억 파라미터)보다 더 우수한 성능을 보여주었다.
지난주 EvolutionaryScale은 최신 ESM3 AI 모델을 발표했다. 이는 생물학의 미래를 향한 중요한 한 걸음이다. 이 모델의 능력 덕분에 다양한 응용 분야의 발견 속도가 빨라지고, 탄소를 포집하는 단백질을 만들어낼 수 있게 되며 새로운 암 치료법 개발에도 기여할 수 있다.
03. 생물학 응용 분야의 선구자
ESM3은 생성형 AI 모델로, 주요 기능은 새로운 단백질 생성이다. 이 모델은 딥러닝 기술을 사용해 방대한 양의 단백질 데이터를 학습함으로써 단백질의 서열, 구조, 기능 간 관계를 이해한다.
ESM3의 학습에는 1조 테라플롭스(Teraflops)가 넘는 컴퓨팅 파워가 사용되었다. 이는 현재 생물학 분야에서 알려진 가장 큰 규모의 계산 처리량이다. 이 모델은 지구상 자연 다양성을 반영하는 27.8억 개의 단백질 데이터셋으로 훈련되어, 단백질의 서열, 구조, 기능을 동시에 추론할 수 있다.
ESM3의 주요 작업 흐름은 다음과 같은 네 단계로 요약된다:
-
데이터 수집 및 전처리: EvolutionaryScale은 유전자 서열, 단백질 구조, 기능 주석 등 다양한 출처에서 방대한 생물학 데이터를 수집한다. 이후 데이터를 정제, 표준화, 형식화하여 후속 분석과 활용이 용이하도록 준비한다.
-
모델 학습: 딥러닝 알고리즘과 방대한 컴퓨팅 자원을 활용해 전처리된 데이터를 기반으로 학습을 진행하며, 생물학 법칙을 이해하고 예측할 수 있는 대규모 언어모델을 구축한다. 이 모델들은 높은 정확도를 갖출 뿐 아니라 복잡한 생물학 문제도 처리할 수 있다.
-
신규 단백질 생성: 인터랙티브 프롬프트를 통해 ESM3은 자연계에서 수억 년의 진화를 거쳐야 나타날 수 있는 새로운 단백질을 생성할 수 있다.
-
과학적 검증: 생성된 신규 단백질은 과학 실험을 통해 기능과 잠재적 활용 가능성을 검증받는다.
현재 ESM3의 가장 주목할 만한 사례 중 하나는 새로운 녹색 형광 단백질(GFP) 생성이다.
GFP는 자연계에서 가장 아름답고 독특한 단백질 중 하나로, 해파리의 발광과 산호의 선명한 형광 색상을 책임진다. ESM3은 일련의 추론 과정을 거쳐 5억 년의 진화를 초월해 이 새로운 형광 단백질을 창조했다. 자연 진화 과정에서는 5억 년 이상이 걸릴 수 있는 일이지만, ESM3은 계산 방법으로 이를 실현한 것.
ESM3의 출시는 약물 발견 및 합성 생물학 분야에도 혁명적인 변화를 가져왔다.
약물 발견 분야에서 ESM3은 특정 생물학적 활성을 갖춘 신규 단백질을 생성할 수 있어, 약물 스크리닝 및 최적화에 더 많은 후보 물질을 제공한다. 또한 약물과 타깃 간 상호작용 메커니즘을 예측하고 최적화함으로써, 약물 설계 및 개발에 더욱 과학적인 근거를 제공할 수 있다.
합성 생물학 분야에서는 ESM3이 특정 기능을 수행하는 생물 시스템을 생성할 수 있어, 생물 제조 및 생물 에너지 분야에 새로운 해결책을 제공한다. 예를 들어, ESM3은 이산화탄소를 효율적으로 유기물로 전환하는 효소 시스템을 설계해 탄소 포집 및 활용에 새로운 길을 열 수 있다.
EvolutionaryScale의 ESM3 모델은 생물학 분야에서 AI의 새로운 이정표를 나타낸다. 강력한 생성 능력과 업계 리더들과의 협력을 바탕으로, ESM3은 신규 단백질 발견과 생물 시스템 설계를 가속화하며 향후 약물 개발, 재료 과학, 환경 과학 분야에 혁명적인 영향을 미칠 전망이다.
04. 생물학 분야의 혁신 여정
합성 생물학: 생명 프로그래밍
합성 생물학은 EvolutionaryScale의 미래 발전에서 중요한 방향성 중 하나다. 새로운 유전자 회로 및 생물 경로 설계·합성을 통해 과학자들은 특정 기능을 가진 생물체를 창조할 수 있다.
-
유전자 회로는 전자 회로와 유사하지만, 세포 내에서 생물학적 과정을 제어한다.
유전자 회로는 세포 내 특정 유전자 발현을 정밀하게 제어할 수 있다. 예를 들어, 특정 신호(특정 화학물질이나 환경 변화 등)를 감지하면 특정 유전자 발현을 작동하거나 정지시키도록 설계할 수 있다.
-
합성 생물 경로는 여러 효소와 대사 경로를 조합해 가치 있는 화합물을 생산하는 기술
AI 분석과 설계를 통해 과학자들은 자연 상태에서 생성되지 않는 화합물을 합성할 수 있는 새로운 대사 경로를 설계할 수 있다. 예를 들어, 미생물의 대사 경로를 재설계함으로써 의약 중간체, 바이오 연료 또는 산업용 화학물질 등을 생산할 수 있다.
-
셀 팩토리(cell factory)란 유전자 공학 기술로 미생물을 개조해 산업적 조건에서 목표 제품을 고효율로 생산하는 생물 시스템
AI 보조 설계를 통해 과학자들은 특정 조건에서 뛰어난 생산 성능을 보이는 미생물의 유전체를 개조할 수 있다. 예를 들어, 효모나 박테리아의 유전자를 편집해 항생제, 효소 또는 기타 생물 제품을 고효율로 생산하게 할 수 있다.
이 기술이 계속 발전한다면 과학 연구의 최전선을 추진할 뿐 아니라 의약, 환경 보호, 농업 분야에 중요한 응용 전망을 제공할 수 있다.
데이터 기반 개인 맞춤형 의료
EvolutionaryScale은 AI와 빅데이터 분석 기술을 통해 개인 맞춤형 의료의 발전을 추진하고 있으며, 환자에게 보다 정밀하고 효과적인 의료 서비스를 제공하고자 한다.
개인 맞춤형 의료란 각 환자의 고유한 생물학 정보와 임상 데이터를 기반으로 가장 적합한 치료법을 맞춤 설계하는 것이다. 그 핵심 분야 중 하나가 게놈 분석이다. 환자의 게놈을 전면 시퀀싱하고 분석함으로써 질병과 관련된 유전자 변이를 식별할 수 있다.
EvolutionaryScale은 AI 기술을 활용해 대량의 게놈 데이터를 신속하고 정확하게 해석, 잠재적인 질병 위험 요소를 찾아낸다.
이 방법은 의사가 질병 초기 단계에서 진단을 내리고 예방 조치를 취할 수 있도록 도울 수 있다. 예를 들어 유방암 환자의 BRCA1 및 BRCA2 유전자 변이를 분석하면 질병 발병 위험을 예측할 수 있고, 조기 검진 및 개입이 가능하다.
현재 EvolutionaryScale은 생물학과 인공지능 융합의 최전선에 서 있다. 끊임없는 혁신과 탐구를 통해 생물 시스템의 프로그래밍과 최적화를 실현하고자 노력하고 있다. 앞으로도 더 많은 기술적 돌파구를 이루며 인류에게 더욱 지능적이고 건강한 미래를 열어갈 것으로 기대된다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
