유기 분자용 단거리 머신러닝 힘장 MACE-OFF

지난 50년간 생체분자 시뮬레이션의 주류였던 고전 경험적 힘장은 약물 발견, 결정 구조 예측, 생체분자 동역학 등 다양한 분야에서 활용되었으나, 제1원리 예측 모델링에 필요한 정확도와 전이성에는 한계가 있었습니다. 이러한 문제를 해결하기 위해 본 연구에서는 최신 머신러닝 기술과 고수준 양자역학 이론으로 계산된 제1원리 참조 데이터를 활용하여 유기 분자용 단거리 전이성 힘장인 MACE-OFF를 개발했습니다. MACE-OFF는 기체 및 응축상 분자 시스템의 다양한 특성을 정확하게 예측함으로써 단거리 모델의 뛰어난 성능을 입증합니다. 이는 미지의 분자에 대한 정확하고 수렴이 용이한 이면각 비틀림 스캔은 물론, 양자 핵 효과를 포함한 분자 결정 및 액체의 신뢰할 수 있는 설명을 제공합니다. 나아가 MACE-OFF는 명시적 용매 내 자유 에너지 표면 결정, 펩타이드 접힘 동역학, 그리고 완전히 용매화된 단백질의 나노초 시뮬레이션에서도 그 역량을 보여주었습니다. 이러한 발전은 더 넓은 화학 커뮤니티에서 고정확도 및 상대적으로 낮은 계산 비용으로 분자 시스템의 제1원리 시뮬레이션을 가능하게 합니다.