Novelism

저의 학문적 배경은 기초과학에 가깝습니다.저는 물리학을 전공했고, 세부 전공도 이론물리학, 그중에서도 계산과 시뮬레이션을 활용한 연구였습니다. 박사후연구원 시기부터는 조금 다른 연구를 했습니다. 보다 응용적인 연구, 혹은 기술적인 분야를 연구했습니다. 단백질 구조 예측, 인공지능을 이용한 다양한 예측 모델, 약물 디자인 등이 그 예입니다.다만 연구 주제가 기술적이었더라도, 저는 항상 원리를 탐구하는 접근을 추구했습니다. 예를 들어 제가 개발한 단백질 도메인 경계 예측 방법론은 “단백질의 도메인은 진화의 단위다”라는 원리에서 출발했습니다. 원리와 기술은 합리적으로 연결될 수 있다는 것이 저의 믿음입니다. 제가 학계 사람들과 이야기하다보면 보통 자연과학자들은 공학에 대해 이런 지적을 할 때가 많습니다. “..

FragDockRL 논문의 리비전을 업데이트 했습니다. https://www.biorxiv.org/content/10.1101/2025.08.12.670002v2 이번에 논문 리비전을 거치면서 논문 구성과 프로그램 코드를 완전히 재구성하였습니다. 일단 FragDock Framework 입니다. core 구조를 포함한 initial building block에서 출발하는 building block assembly와 tethered docking을 기반으로 만든 Framework입니다. 여기에 추가로 탐색방법들이 필요합니다. 기존의 FragDockRL 은 FragDock Framework 안의 하나의 method로 개편되었고, 탐색을 담당합니다. 그리고 그 외에도 Beam Search, MCTS, Ran..

이번 논문 리비전을 약 3개월 정도 진행하면서, 소스코드를 완전히 갈아엎고 논문의 기존 내용도 대부분 버린 뒤 새로 작성하게 되었습니다.솔직히 말하면, 저도 제가 왜 그렇게까지 했는지 잘 모르겠습니다. 리뷰어의 코멘트는 아마 일부 내용을 고치고 결과 데이터를 조금 더 보충하라는 뜻이었을지도 모릅니다. 그런데 막상 하나씩 고치다 보니, Method를 Framework으로 확장해야해서 코드의 확장성도 문제가 되었고, 논문의 흐름도 마음에 들지 않아, 결국 거의 처음부터 다시 만드는 수준이 되었습니다.지금까지 했던 연구 중에서 가장 많은 정성을 들인 작업이었습니다. 이번 리비전에서는 코드 리팩토링과 논문 작성 양쪽 모두에 ChatGPT를 적극적으로 활용했는데, 그 과정에서 느낀 점을 간단히 적어보려 합니다. ..

力學 Mechanics 역학의 역은 힘을 의미하는 한자로 변역됩니다. 그런데 역학은 운동방정식 (equation of motion) 을 다루는 학문 입니다. 운동이란 시간에 따른 변화이기에 시간에 대한 미분 형태로 주어집니다. 그리고 그 운동을 변화시키는 것이 힘이기에 힘을 다루는 학문이라고도 할 수 있습니다.힘과 운동의 관계 라고 보기도 합니다. Mechanics의 어원은 힘 이라기보다는 기계에 가깝지만... 기계는 어떠한 원리와 규칙대로 움직이는 장치 라는 의미이니 힘을 다루는 학문이라기보다는 원리를 다루는 학문이라고 해석하는게 타당할 것입니다. 사실 저는 易學 이라고 부르고 싶습니다만... 왜냐하면 힘은 운동을 설명하기 위해 도입한 개념이고, 사실 더 중요한 것은 운동 그 자체이니까요. 예를들어 아..

저는 모르는 것이 너무 많습니다. 내가 모르면 답을 알 것 같은 남에게 물어보고 싶어 집니다. 그런데, 남에게 물어봐서 아는 것과 스스로 아는 것은 많이 다릅니다. 내가 모르는 것을 누군가가 명쾌히 설명해 준다고 해서, 그래서 알 것 같다는 느낌이 들었다고 해서 내가 진짜로 아는 것일까... 이것에 대해서 의심을 해봐야 합니다. 누군가는 아마도 그럼 내가 그것을 다시 설명할 수 있다면 아는 거 아닐까라고 생각할 것입니다. 그런데, 남이 가르쳐준 것을 그대로 외워서 답하는 것은 그냥 따라 하는 것입니다. 소위 이런 말이 있죠. "유튜브 보고 공부해라. " 그건 남의 지식이고 남의 논리입니다. 그게 맞다는 보장이 어디 있습니까? 어떤 주장에 대한 근거조차 누군가가 말해준 것을 그대로 답한다면 ..

science is the boss 최근에 어느 인터뷰에서 이런 문장을 보았습니다. 제가 왜 남의 밑에서 일할 수 없고 사업자가 되는 길을 택할 수밖에 없었는지 다시 생각하게 되었습니다. 학생 때 저는 별로 좋지 않은 연구자였습니다. 연구 결과를 스스로의 눈으로 보고 생각하고 판단하려 하지 않고 판단을 지도교수님에게 의존하려 하였습니다. 그러던 어느 날 교수님께서 이건 니 연구다.라고 말씀하셔서 그제야 연구자가 어떠한 태도를 가져야 하는지 이해했습니다. 연구란 아무도 정답을 모르는 것을 찾는 것입니다. 이런저런 가설은 제시할 수 있으나, 그것이 사실인지 아닌지는 해봐야 압니다. 연구는 구체적이고 좁은 영역이기에 한 분야의 권위자라도 그 분야의 모든 것을 아는 것은 아닙니다. 따라서 그 연구에..

리비전을 매우 힘들게 진행하고 있습니다. 핵심 알고리즘은 크게 바뀐건 아니지만, 여기저기 많이 뜯어 고치고 리팩토링까지 해버렸습니다. 하다보니 성능도 좀 향상된 것 같고... 너무 피곤해서 잠시 일을 쉬고 글이나 쓰려고 합니다. 제가 AI를 보면서 느낀것은, AI는 사람이 잘하는 일을 잘한다는 것이었습니다. AI의 알고리즘은, 인간의 생물학적인 구조와 인간의 학문들... 인지 심리학 등의 요소를 많이 포함하고 있습니다. 대부분의 과학이 그렇지만, 좋은 AI 알고리즘을 개발하는 방법은 있는것에서 배우는 것입니다. 자연에서.. 혹은 인간의 학문에서... 수억년의 과정 동안 생명체는 최적화가 되기 마련입니다. 인간의 학문도 수천년간 많은 시행착오를 거치며 발전해왔습니다. 그래서 제가 추구하는 연구 A..

시간은 눈에 보이지 않습니다. 그래서 시간의 흐름이라는게 좀 막연하게 느껴졌습니다. 저 먼 시간에 두고온 과거를 생각해냈습니다. 그건 분명 즐겁고 소중한 시간이었습니다. 하지만 돌아갈 수 없습니다. 그때 문득 시간의 모습이 보였습니다. 은하수를 따라흐르는 강물 같은 느낌이었습니다. 그리고 그 강물과 함께 저는 흘러가고 강가에서 기억의 한 순간 한 순간을 보았습니다.문득 시간을 이렇게도 볼 수 있구나 라는 생각이 들어서 이 짧은 글을 남깁니다.

인공지능은 인간의 다양한 학문들 -인간의 세상에 대한 이해와 지식들- 이 활용되어 구현되고 있습니다. 신경망 구조나, 트랜지스터 같은 논리 연산을 위한 구조들이 딥러닝 모델에도 활용되고 있고, 학습 방법론도 인간의 학습과 비슷한 방법이 적용됩니다. 인간의 뇌는 다양한 기능을 담당하는 영역이 나뉘어 있는데, 현재 개발되는 AI들도 그렇게 다양한 기능들을 모듈화 하고 연결하는 방식들에 가깝습니다. 지능을 구현하는 가장 현실적인 길은 이미 존재하는 지능을 보고 그것과 유사하게 만드는 것이니까 그렇겠죠. 범용 인공지능은 하나의 일관된 거대 구조가 아니라, 다양한 모듈의 합에 의해 구현되는 것이 현실적이라고 생각합니다. 범용 지능을 가진 인간이 그러하다면, 인공지능 또한 그렇게 만드는 것이 현실적일 것입니다. ..

인공지능 신약개발 사업이 한창 떠오르던 시기도 이미 6년 정도 지난 것 같습니다. 신약개발은 오래 걸리는 일입니다. 그중에서 다른 부분들도 시간이 오래 걸리지만, 약물 설계 과정도 수년 정도의 시간을 소모합니다. 그래서 AI로 분자를 설계해서 시간을 단축하겠다는 시도들이 많이 있었습니다. 하지만 정작 실제로 신약개발 프로젝트를 시작해 보면, 생각과는 전혀 다른 이유 때문에 시간이 소모되고, 그것은 AI로 해결되지 않는다는 것을 알게 됩니다. 설계한 분자를 합성하는 것은 어려운 일이고 비용도 비싸고 시간이 많이 걸립니다. 그런데 그런 문제보다도, 그 프로젝트 내에는 빠르게 그 과정을 진행할 계획이 잘 갖추어져있지 않습니다. AI나 컴퓨터로 분자를 설계하는 과정은 대체로 빠르면 1일로도 가능합니다. 메서드..