작성자 샐리 베티(Sally Beatty)
AI가 일상생활에서 더 큰 역할을 하면서, 과학자들은 사회의 가장 큰 과제를 해결하기 위해 그 변혁적 힘을 활용하는 흥미롭고 새로운 방법을 찾고 있습니다.
새로운 소재를 설계하는 것부터 구름을 뚫고 홍수 위험을 지도화하는 것까지, 마이크로소프트 연구원들은 AI를 사용해 문제를 전례 없이 빠르고 효과적으로 해결하고 있습니다.
또한 이들은 해조류를 사용해 시멘트의 탄소 배출을 줄이거나 스마트폰 카메라 센서와 빛을 활용한 에너지 효율 컴퓨터를 만드는 등 지속 가능성과 접근성을 염두에 두고 놀라운 방식으로 난제를 극복하고 있습니다.
2025년, 마이크로소프트는 동료 심사를 마친 저널에 수많은 연구 논문을 발표하며 그들의 발견을 공유했습니다. 다음은 AI와 기타 기술이 은행, 헬스케어, 생명과학, 에너지 분야에서 혁신을 가속화하고 필수적인 돌파구를 마련한 10가지 사례들입니다.
마요라나 1: 세계 최초의 토폴로지 큐비트 기반 양자 프로세서
균열을 스스로 복구하는 교량이나 항공기 부품, 오염 물질을 유용한 부산물로 분해하는 촉매, 혹은 토양 비옥도를 높여 수확량을 늘리고 척박한 기후에서 식량의 지속 가능한 성장을 촉진하는 혁신을 상상해보세요.
올해 초 네이처(Nature)에 발표된 연구는 마이크로소프트 연구원들이 새로운 양자 특성을 창출해 마요라나 1(Majorana 1)이라는 새로운 유형의 양자 칩을 개발한 과정을 상세히 설명합니다. 이 칩은 새로운 양자 아키텍처를 기반으로 하며, 수십 년이 아닌 수년 내에 오늘날의 컴퓨터로는 해결할 수 없는 산업 규모의 의미 있는 문제를 해결할 수 있는 양자 컴퓨터를 실현할 것으로 기대됩니다.
이 칩은 세계 최초의 토포컨덕터(topoconductor)를 활용합니다. 이는 마요라나 입자를 관찰하고 제어해 더 안정적이고 확장 가능한 큐비트를 생성하는 혁신적 소재로, 양자 컴퓨터의 기본 블록입니다. 엔지니어링 작업은 여전히 남아 있지만, 많은 어려운 과학적·공학적 난제는 이미 해결되었습니다.
BioEmu-1: 더 빠른 단백질 안정성 예측으로 효과적인 의약품 개발 가능성
단백질은 생명의 기능적 구성 요소이며 신약 개발과 생명공학의 핵심입니다. 최근 몇 년간 AI를 활용해 단백질 구조를 이해하는 데 놀라운 진전이 있었지만, 기존 방법은 매우 유연한 분자의 단편적 스냅샷만 제공하거나 수년, 심지어 수십 년의 시뮬레이션 시간이 필요했습니다.
여기서 등장한 것이 생체분자 에뮬레이터-1(BioEmu-1)입니다. 생성형 딥러닝 모델인 BioEmu-1은 각 단백질이 채택할 수 있는 다양한 구조의 세계를 과학자들에게 보여줍니다. 이는 단백질에 대한 깊은 이해가 더 효과적인 약물 설계를 가능하게 하기 때문에 특히 중요합니다. 많은 약물이 단백질 구조를 조절해 기능을 강화하거나 해를 방지하는 방식으로 작용합니다.
사이언스(Science)에 설명된 바와 같이, BioEmu-1은 단일 GPU에서 시간당 수천 개의 단백질 구조를 생성할 수 있으며, 기존 시뮬레이션 대비 극히 낮은 계산 비용으로 수행됩니다. 이를 통해 BioEmu-1은 단백질의 기능적으로 중요한 구조 변화를 전례 없는 속도로 예측하고, 치료용 단백질 설계에서 중요한 요소인 단백질 안정성을 예측할 수 있습니다.
MatterGen 및 MatterSim: AI 기반 소재 발견 혁신
소재 혁신은 기술 발전을 주도합니다. 배터리, 연료전지, 자석 등 미래 에너지 돌파구를 만드는 데 필수적입니다. 그러나 새로운 소재를 식별하는 과정은 오랫동안 비용이 많이 들고 시간이 소요되는 실험에 의존해왔습니다. 컴퓨터 기반 스크리닝조차 수백만 가지 옵션을 평가해야 합니다.
MatterGen은 이러한 스크리닝을 건너뛰고, 특정 응용 분야의 설계 요구사항을 설명하는 프롬프트를 기반으로 새로운 소재를 생성하는 생성형 AI 도구입니다. 네이처에 설명된 바와 같이, 이는 AI 이미지 생성기가 흐릿한 사진을 선명하게 만드는 방식과 유사합니다. 무작위 3D 구조에서 시작해 원자, 요소, 반복 패턴을 점진적으로 조정해 화학적·기계적·전자적·자기적 특성이 정의된 현실적인 소재를 만듭니다.
60만 개 이상의 예시로 학습된 MatterGen은 주기율표 전반에 걸쳐 무기 소재를 생성하는 데 최첨단 성능을 달성했습니다. MatterGen은 또한 소재 특성을 빠르게 시뮬레이션하는 AI 기반 도구 MatterSim과 함께 작동할 수 있습니다. 두 도구는 시뮬레이션과 탐색을 가속화하는 피드백 루프를 형성합니다.
RAD-DINO: 엑스레이 데이터와 AI 기술의 결합
헬스케어에서 정보 접근 속도는 생명을 구할 수 있습니다.
네이처 머신 인텔리전스(Nature Machine Intelligence)에 발표된 연구는 생성형 AI 기반 모델이 임상의에게 더 정확한 정보를 제공하고 환자 치료를 개선할 수 있음을 보여줍니다.
마이크로소프트 리서치(Microsoft Research)와 메이요 클리닉(Mayo Clinic)의 협업은 텍스트와 엑스레이 이미지를 통합하는 멀티모달 기초 모델을 구축하는 데 초점을 맞추고 있습니다. 이 프로젝트는 마이크로소프트의 AI 기술과 메이요 클리닉의 엑스레이 데이터를 결합해 의사가 방사선 결과를 더 빠르고 포괄적으로 분석할 수 있도록 돕습니다.
RAD-DINO라는 이름의 이 기술은 방사선학에 초점을 맞춘 특정 컴퓨터 학습 방법에서 유래했습니다. 이는 다양한 대상의 흉부 엑스레이 간 해부학적 일치를 식별하고, 관심 영역을 색상으로 표시하는 히트맵 시각적 오버레이를 통해 유사성을 나타냅니다.
오로라: 고급 대기 및 기상 예측
마이크로소프트의 오로라(Aurora) AI 기초 모델은 최신 AI 기술을 활용해 날씨뿐 아니라 다양한 환경 이벤트를 더 정확하게 예측합니다.
오로라는 기존 수치 예측 및 이전 AI 접근법과 비교해 훨씬 낮은 계산 비용으로 더 높은 정밀도와 속도로 대기 이벤트를 예측합니다. 오로라의 차별점은 다재다능함입니다. 미세 조정을 통해 전통적 기상 예측을 넘어 대기 오염, 해양 파도, 열대성 사이클론까지 예측할 수 있습니다.
오로라는 100만 시간 이상의 데이터에서 일반적인 기상 패턴을 학습하여 예측을 생성하는 방법을 익혔습니다. 그리고 기존의 대형 슈퍼컴퓨터에서 몇 시간이나 걸려야 하는 예측을 단 몇 초 만에 생성합니다. 네이처에 발표된 오로라의 초기 결과는 비 예측 개선, 농업 물류 향상, 에너지 그리드 보호에 어떻게 적용될 수 있는지에 대한 큰 관심을 불러일으켰습니다. 마이크로소프트는 오로라를 오픈소스 플랫폼으로 발전시키며, 마이크로소프트 AI 포 굿(Microsoft AI for Good) 지원을 통해 연구 파트너십을 강화하고 지역 기상 관측소에 투자하고 있습니다.
FCDD: AI로 유방암 조기 검진 개선
유방암은 전 세계 여성에게 가장 흔한 암 중 하나이며, 조기 검진은 생명을 구할 수 있습니다. 그러나 높은 오탐률은 불필요한 생검과 불안을 초래합니다. 특히 치밀 유방 조직을 가진 여성에게는 문제가 심각합니다. 치밀 조직은 유방암 위험을 높이고 영상으로 이상을 감지하기 어렵게 만듭니다.
새로운 AI 모델 FCDD(Fully Convolutional Data Description)는 조기 검진을 개선하며, MRI 히트맵을 생성해 의심되는 종양을 높은 정확도로 표시하고 기존 AI 모델보다 뛰어난 성능을 보여줍니다.이 모델은 마이크로소프트 AI 포 굿 랩(Microsoft AI for Good Lab), 워싱턴대학교, 프레드 허친슨 암 센터(Fred Hutchinson Cancer Center)의 협업으로 개발되었으며, 결과는 래디올로지(Radiology)에 발표되었습니다. 이 모델은 오픈소스로 제공되며, 어려운 사례를 평가하는 더 나은 도구를 제공해 영상의학 전문의의 업무 부담을 줄입니다.
해조류 혼합 시멘트: 콘크리트의 탄소 발자국 감소
현대 세계는 콘크리트로 지어졌습니다. 시멘트는 콘크리트의 핵심 구성 요소이며, 물 다음으로 지구에서 두 번째로 많이 사용되는 재료입니다. 그러나 시멘트는 온실가스 배출의 주요 원인이기도 합니다.
워싱턴대학교와 마이크로소프트 연구팀은 해조류를 활용한 새로운 저탄소 콘크리트를 개발했습니다. 이 콘크리트는 성능을 유지하면서 배출량을 줄입니다.
대부분의 시멘트 배출은 생산 과정에서 원료를 가열하는 데 사용되는 화석 연료에서 발생하지만, 해조류는 탄소 흡수원입니다. 해조류는 성장하는 동안 대기 중 탄소를 흡수해 저장합니다. 매터(Matter)에 발표된 연구 결과에 따르면, 건조 후 분말 형태로 만든 해조류를 시멘트와 혼합했을 때 지구온난화지수(GWP)가 21% 낮아졌습니다. GWP는 특정 기체가 이산화탄소 대비 얼마나 많은 열을 가두는지를 비교하는 지표입니다. 맞춤형 머신러닝 모델 덕분에 연구팀은 일반적으로 5년 이상 걸리는 시행착오 과정을 거치지 않고 단 28일 만에 이 새로운 조성을 개발했습니다.
구름을 뚫고 우주에서 홍수를 지도화하기
홍수는 매년 전 세계적으로 막대한 피해를 초래합니다. 위성 관측은 홍수 탐지와 추적에 매우 유용하지만, 장기간에 걸친 포괄적인 글로벌 홍수 데이터셋은 여전히 부족해 재난 대비를 어렵게 합니다.
하지만 마이크로소프트 AI 포 굿 랩의 딥러닝 기반 홍수 탐지 모델은 강력한 지구 관측 위성의 레이더 이미지를 활용해 구름을 뚫고 야간에도 홍수 피해 지역을 지도화할 수 있는 능력을 제공합니다.
네이처 커뮤니케이션즈(Nature Communications)에 설명된 바에 따르면, 이 모델은 연구자들이 특수 데이터를 분석해 10년간의 홍수 발생 지역을 보여주는 글로벌 지도를 구축할 수 있게 했습니다. 이는 홍수 취약 지역에 대한 신뢰할 수 있는 장기적 관점을 제공하며, 정책 입안자들에게 홍수 경향에 대한 더 깊은 통찰을 제공해 지역사회가 더 잘 대비할 수 있도록 돕습니다. 연구팀의 장기 분석은 전 세계 홍수가 증가하고 있을 가능성을 시사하지만, 추가 연구가 필요합니다. 연구팀의 예측과 코드도 공개되어 있어 전 세계 연구자와 대응 기관이 홍수 모니터링과 재난 대응을 개선할 수 있습니다.
아날로그 광학 컴퓨터: 빛으로 AI와 최적화 가속
마이크로소프트는 기존 디지털 전자 장치 대신 빛을 사용해 복잡한 최적화 문제를 효율적으로 해결하고, 추가 학습 없이 훈련된 AI 모델을 실행해 결과를 생성하는 AI 추론을 가속화하는 아날로그 광학 컴퓨터(AOC)를 개발했습니다. 최적화 문제는 거의 무한한 가능성 중에서 최적의 해답을 찾는 것을 목표로 합니다.
네이처에 발표된 연구 결과는 빛을 활용해 핵심 계산을 수행할 잠재력을 보여주며, 기존 GPU보다 에너지를 훨씬 적게 사용하고 속도는 크게 향상될 수 있음을 시사합니다. 이 컴퓨터는 마이크로 LED와 같은 기존 확장 가능한 기술을 사용해 제작되어 비용 효율적이고 기존 공급망으로 제조가 용이합니다. 프로토타입은 금융 거래를 가장 효율적으로 정산하는 방법과 MRI 스캔 시간을 단축하는 두 가지 최적화 문제를 성공적으로 해결했습니다.
AI를 생물학에 적용하는 데 대한 숨은 위험 관리
AI의 발전은 생물학에서 놀랍고 새로운 영역을 열고 있습니다. 그러나 이러한 기술은 생물안보 위험을 초래하며, 유해한 독소나 병원체 설계의 장벽을 낮출 가능성도 있습니다. 동일한 지식이 선한 목적과 악한 목적 모두에 사용될 수 있는 이중 용도(dual-use) 특성은 현대 과학에 중대한 딜레마를 제기합니다.
마이크로소프트가 주도한 사이언스(Science) 게재 논문은 2023년 말 시작된 2년간의 기밀 프로젝트를 설명합니다. 연구자들은 방법과 실패 모드를 상세히 기술한 작업이 대중에게 공개될 경우 악의적 행위자에게 악용될 수 있음을 인식했습니다. 이에 따라 공유 범위를 결정하기 위해 정부 기관, 국제 생물안보 조직, 정책 전문가가 참여한 다자간 논의를 진행했습니다.
저자들은 또한 데이터와 방법에 대한 계층적 접근 시스템을 고안했으며, 이는 국제 생물안보·생명안전 이니셔티브(IBBIS)와 협력해 구현되었습니다. 이는 주요 과학 저널에서 정보 위험을 관리하기 위한 계층적 접근 방식을 공식적으로 승인한 첫 사례입니다.