시각화 – 포커스온경제 통합 검색

전체기사보기
2026-01-01 (목)

검색

구글 딥마인드, IMO 금메달리스트 수준 기하학 문제 해결 AI 개발

구글 딥마인드가 캘리포니아대학교 버클리(UC 버클리)와 협력하여 국제 수학 경시대회 수준의 기하학 문제를 해결할 수 있는 인공지능(AI) 시스템인 알파지오메트리(AlphaGeometry)를 개발했다. 미국 매체 미디엄(Medium)은 구글 딥마인드가 개발한 알파지오메트리가 국제 수학 올림피아드(IMO)에서 출제된 기하학 문제 30개 중 25개를 해결하는 데 성공했다고 최근 보도했다. 이는 IMO 금메달리스트 수준의 성능이다. 알파지오메트리는 신경 언어 모델과 기호 추론 엔진을 결합한 시스템이다. 신경 언어 모델은 직관적인 아이디어를 생성하고, 기호 추론 엔진은 형식 논리와 규칙을 사용하여 이를 검증한다. 기하 도형 문제가 발생하면 알파지오메트리는 먼저 기호 엔진을 사용해 증명을 생성하려고 시도한다. 기호 엔진만으로는 증명을 생성할 수 없는 경우 언어 모델은 다이어그램에 새로운 점이나 선을 추가하여 기호 엔진이 솔루션을 계속 검색할 수 있는 추가 가능성을 열어준다. 알파지오메트리의 개발에는 수십 개의 기본 기하학 규칙이 포함된 사용자 지정 언어를 만드는 작업이 포함됐다. 그런 다음 연구팀은 1억 개의 '증명'을 자동으로 생성하는 프로그램을 작성했는데, 이는 본질적으로 단순하지만 논리적으로 반박할 수 없는 단계의 무작위 시퀀스였다. 알파지오메트리는 이러한 기계 생성 증명에 대해 훈련되어 한 단계씩 추측하여 문제를 해결할 수 있다. 알파지오메트리의 대표 연구자인 UC 버클리의 컴퓨터 과학과 마틴 리베르만(Martin Lieberman,) 교수는 "알파지오메트리는 수학 문제 해결에 있어 인공지능의 잠재력을 보여주는 중요한 진전"이라며 "알파지오메트리는 수학 연구에 새로운 아이디어를 발견하는 데 도움이 될 수 있으며, 수학 교육에 있어 학생들의 이해를 돕는 도구로 활용될 수 있을 것"이라고 말했다. 알파지오메트리의 성능과 한계 최근 기하학 문제 해결에 획기적인 성과를 보이고 있는 알파지오메트리는 그 성능과 한계에 대해 업계의 주목을 받고 있다. 이 시스템은 국제 수학 올림피아드에 준하는 고난도 기하학 문제를 해결할 수 있는 뛰어난 성능을 자랑한다. 또한 창의적인 문제 해결을 위한 직관적인 아이디어 생성 능력을 갖추고 있다는 점에서 주목할 만하다. 알파지오메트리는 형식 논리와 규칙을 활용하여 문제를 효율적으로 해결하는 능력을 갖추고 있다. 1억 개가 넘는 증명 데이터 세트를 통해 훈련되어 일반적인 증명 패턴을 학습하는 뛰어난 학습 능력을 보여준다. 하지만, 이 시스템은 여전히 인간이 이해하기 쉬운 형태의 증명을 생성하는 데는 한계가 있다. 기계가 생성한 증명은 종종 복잡하고 이해하기 어려운 면이 있다. 또한, 더 복잡한 문제, 예를 들어 대수학이나 미분 기하학 문제에 대한 확장성이 부족하다는 점도 지적되고 있다. 현재로서는 기하학 문제에 한정하여 효과적으로 작동하는 것으로 평가된다. 수학 연구·교육 분야 혁신 기대 알파지오메트리는 수학 연구 및 교육 분야에 혁신을 가져올 잠재력을 지닌 기술로 평가되고 있다. 수학 연구 분야에서 알파지오메트리는 새로운 수학적 아이디어의 발굴과 기존 증명의 검증에 유용하게 사용될 수 있다. 이 기술을 통해 기존 증명을 자동으로 생성하거나, 새로운 수학적 개념을 시각화하고, 수학적 문제에 대한 새로운 접근 방식을 모색하는 것이 가능하다. 또한 수학 교육 분야에서는 학생들의 수학적 이해를 증진시키고 수학에 대한 흥미를 유발하는 데에 알파지오메트리가 기여할 수 있다. 기하학 개념의 시각화, 증명 설명, 문제 해결을 돕는 도구로서의 역할이 기대된다. 기타 분야에서의 적용 가능성도 주목할 만하다. 알파지오메트리는 과학, 공학, 비즈니스, 법률 등 다양한 영역에서의 문제 해결에도 기여할 수 있는 범용성을 지닐 가능성이 있다. 현재 개발 초기 단계에 있는 알파지오메트리는 그 잠재력이 크게 평가되고 있으며, 향후 연구를 통해 기술의 한계를 극복한다면 수학 연구와 교육 분야에 큰 변화를 가져올 것으로 예상된다. 이러한 전망은 알파지오메트리가 수학적 사고와 해결 방식에 혁신적인 변화를 가져올 수 있는 가능성을 시사한다.
- IT/바이오
2024-01-24 12:01:00
나노봇, 남성 방광암 종양 90% 제거⋯기존 치료법의 혁신

나노로봇을 이용해 방광암을 90% 이상 줄일 수 있는 치료 방법이 개발됐다. 방광암은 주로 60~70대에서 발병하며, 방광 내에 악성 세포가 형성되는 질환으로 알려져 있다. 이 질환은 남성에게서 여성보다 34배 더 높은 발병 위험을 보이며, 비뇨기계 암 중 가장 흔한 형태로 알려져 있다. 또한 방광암은 대부분 5년 이내에 재발한다. 현재는 절제 수술이나 전신 혹은 국소적인 항암제 투여를 통한 치료가 진행되고 있으나, 높은 재발률로 인해 지속적인 관리가 요구되는 상태이다. 그러나 최근 나노로봇 기술의 발달로 방광암 종양을 현저히 줄일 수 있는 새로운 치료방법이 개발됐다. 영국 매체 데일리메일은 스페인 바르셀로나의 과학자들이 개발한 450나노미터 크기의 작은 로봇이 혈류를 통해 이동하면서 치료제를 전달하는 방식으로 방광암의 종양을 줄일 수 있다고 보도했다. 쥐를 대상으로 한 실험에서는 이 작은 나노로봇이 단 한 번의 시도로 종양의 크기를 줄임으로써, 여러 번의 치료 절차 없이도 종양을 제거할 수 있는 가능성을 보여줬다. 현재 방광암 치료법은 수술과 화학 요법을 포함하며, 종양의 크기를 줄이기 위해 약 4~6번의 병원 방문이 필요하다. 이 과정은 환자에게 약 6만5000달러(한화 약 8690만원) 이상의 치료 비용을 발생시킬 수 있다. 그러나 최근의 연구에 따르면, 나노로봇을 사용한 새로운 치료법은 단 한 번의 병원 방문만으로도 종양의 크기를 줄일 수 있다. 이번 혁신적인 연구는 카탈로니아 생명공학연구소(IBEC)와 스페인 생체재료연구센터(CIC biomaGUNE)의 과학자들이 생물의학연구소(IRB 바르셀로나), 바르셀로나 자치대학(UAB)과 함께 공동으로 수행했다. 나노로봇의 직경은 450나노미터이며, 배율을 2000만 배로 높여야 볼 수 있는 크기다. 개발된 나노로봇의 직경은 불과 450나노미터로, 이는 2000만 배 확대해야만 볼 수 있는 극히 작은 크기다. 이 로봇은 표면이 금 나노 입자(AuNP)로 덮여 있어, 연구원들이 로봇이 혈류를 통해 어떻게 이동하고 종양을 공격하는지 관찰할 수 있었다. 연구팀은 방광암을 앓고 있는 쥐의 혈류에 나노로봇을 주입한 후, 이 금색 기계가 작동하여 종양에 도달하고 몸 전체로 퍼지는 과정을 관찰했다. 이 나노로봇은 실리카 구체로 설계되었으며, 효소 우레아제와 방사성 요오드를 포함하는 다양한 구성 요소를 가지고 있다. 우레아제는 소변의 요소와 반응해 나노로봇의 움직임을 촉진시키며, 방사성 요오드는 암 세포를 치료하는 데 사용된다. 연구팀은 나노로봇이 종양 주변의 세포외 기질을 분해하고 pH 균형을 변화시켜 조직의 기계적 특성을 변화시킨다는 사실을 발견했다. 나노로봇이 요로 조직에 도달하면, 이는 마치 벽에 부딪히는 것처럼 행동한다. 그러나 종양의 해면 같은 구조로 인해, 나노로봇은 종양 내부로 흡수되어 방사성 요오드를 전달했다. 이 방사성 요오드는 국소 종양 및 갑상선암 치료에 일반적으로 사용되는 방사성 동위원소로, 암 세포를 효과적으로 치료하는 데 사용된다. 연구팀은 나노로봇이 종양 내부로 어떻게 진입할 수 있는지에 대해 초기에는 명확하지 않았다며 나노로봇이 종양의 성장을 감지하는 특정 항체가 부족하고, 일반적으로 건강한 조직보다 더 단단한 종양 조직의 특성 때문에 진입이 어려울 수 있다고 지적했다. 이 연구의 공동 제1저자이자 IBEC의 연구원인 메리트셀 세라 카사블랑카(Meritxell Serra Casablancas) 박사는 "그러나 우리는 나노로봇이 자체 추진 화학 반응을 통해 pH를 국부적으로 증가시킴으로써 종양의 세포외 기질을 분해할 수 있다는 사실을 관찰했다"고 말했다. 그는 "이 과정은 종양 내부로의 침투를 촉진했으며, 나노로봇이 종양 내에 우선적으로 축적되는 데 도움을 주었다"고 덧붙였다. 방광암 치료의 초기 회복률은 대체로 성공적이지만, 환자의 약 30~70%에서 종양이 재발해 추가 치료와 비용이 필요한 경우가 있다. 또한 약 10~30%의 환자에서는 종양이 더 진행될 수 있다. IRB 바르셀로나 어드밴스드 디지털 현미경 플랫폼의 리더인 줄리엔 콜롬벨리(Julien Colombelli) 박사는 "우리 팀이 개발한 혁신적인 광학 시스템은 종양 자체에 의해 반사된 빛을 제거함으로써, 전례 없는 해상도로 사전 표지 없이도 기관 전체에서 나노입자를 식별하고 위치를 정확하게 찾을 수 있도록 도와주었다"고 설명했다. 미국 국립암연구소(National Cancer Institute)의 자료에 따르면, 방광암 치료 비용은 2015년의 84억 달러(약 11조 2434억 원)에서 2020년 현재 약 94억 달러(약 12조 5819억 원)로 증가했다. 나노로봇 연구를 진행한 과학자들은 아직 나노로봇 치료가 종양의 재발을 방지할 수 있는지 확신할 수 없지만, 나노로봇의 성공 여부에 따라 장기적인 효과를 평가하기 위한 추가 연구를 이미 진행하고 있다. 이 연구의 공동 저자인 크리스티나 시모(Cristina Simó) 박사는 "이 연구 결과는 치료 효과를 증대시킬 수 있는 다른 방사성 동위원소의 사용 가능성을 탐구하는 새로운 길을 열었다"고 말했다. 한편, 한국은 약 20여 년 전인 2013년, 세계 최초로 암 치료를 위한 나노로봇을 개발했다. 이 나노로봇은 진단과 치료를 동시에 수행할 수 있는 능동형 박테리아를 활용한 것으로, 그 당시 세계 최초의 능동형 나노로봇으로 인정받았다. 이 나노로봇, 일명 '박테리오봇'은 박테리아의 특성인 인식 능력과 운동성을 활용하여 암을 타겟팅하고, 약물 전달체와 결합된 치료 성능을 가진 새로운 개념의 의료 나노로봇이다. 이러한 통합적인 접근 방식은 박테리오봇이 암 세포를 정확하게 인식하고, 적극적으로 치료제를 전달할 수 있게 함으로써, 당시 의학 분야에서 중요한 혁신으로 평가됐다.
- IT/바이오
2024-01-19 11:05:00
호주-캐나다 팀, 유해 광산 폐기물을 '건강한 토양' 변환

호주와 캐나다의 과학 엔지니어링 팀은 유해 광산 폐기물을 작물이 자랄 수 있는 건강한 토양으로 변환하는 방법을 찾아냈다. 캐나다 매체 굿뉴스네트워크는 호주와 캐나다 팀이 최근 광산 폐기물을 건강한 토양으로 변환해 이미 옥수수와 수수를 재배하는 데 사용하고 있다며 이같이 보도했다. '테일링(Tailings, 우리 말로 '광산 덤프' 또는 '광미'로 해석)'은 채굴한 광물에서 유용한 금속을 분리한 후 남은 광산 폐기물에 대한 공식 산업 용어다. 일반적으로 중금속에 의해 독성이 있고 그로 인해 다른 어떤 것에도 사용할 수 없는 테일링은 지하수나 농지를 오염시키지 않도록 저장시설에 보관된다. 퀸즈랜드 대학과 사스카처완 대학의 팀은 수천억 달러의 광산 폐기물 저장비용을 절약하고 시설들이 고장나거나 버려질 때 발생하는 재앙을 막으려는 목적으로 미생물을 이용해 테일링을 건강한 토양으로 변환할 수 있는 방법을 연구했다. 퀸즈랜드 대학의 롱빈 황(Longbin Huang) 교수는 "'테일링'에는 식물을 재배하기 위한 생물학적인 친화적인 특성이 없다. 뿌리와 물이 폐기물을 관통할 수 없으며, '테일링'의 용해성 염류와 금속은 식물과 토양 미생물을 죽일 수 있다"며 "자연이 천천히 '테일링'을 비옥한 토양으로 바꾸도록 기다린다면 수천 년이 걸릴 수 있다"고 설명했다. 황 교수 팀은 캐나다 광원(CLS, Canadian Light Source)을 사용하여 '테일링'을 토양 미생물을 이용해 식물을 재배하기 위한 환경으로 변화되는 과정을 가속화하는 방법을 발견했다. CLS는 원형 입자 가속기의 한 종류인 거대한 싱크로트론(synchrotron, 빛을 생성하고 그 빛을 이용하여 물질의 성질을 연구하는 장치)으로, 일련의 자석의 배열을 통해 하전 입자(전자)가 거의 빛의 속도에 도달할 때까지 가속화시키는 방식으로 작동한다. 과학자들은 CLS의 싱크로트론 빛을 사용하여 유기-광물 인터페이스를 개발하고 광미를 활성화할 수 있는 방법에 대한 자세한 메커니즘을 시각화할 수 있었다. 황 교수는 "우리는 SM 빔라인을 사용해 즉각적인 인터페이스와 광물의 변화, 유기물과 상호 작용하는 방식을 나노미터 규모로 밝혀야 했다"고 말했다. 그는 "시설 접근과 빔라인 직원 전문가들의 의견은 우리가 양질의 데이터를 수집해 신뢰할 수 있는 과학적 증거를 확보하는데 매우 중요했다"고 덧붙였다. 데이터를 통해 과학자들은 테일링에 식물 껍질을 첨가한 후에 광산 폐기물을 토양 미생물로 재식립하는 데 성공할 수 있었다. 이러한 토양 미생물은 일부 잔류 유기물과 광물을 소비해 토양 입자로 집합시킨다. 황 교수는 "토양 파편에는 미생물 활동이 있는 표면이 있으며, 밀집된 광산 폐기물에서 기공성을 형성하여 가스와 물에서 뿌리와 미생물이 생존할 수 있게 된다. 그로 인해 광산 폐기물의 죽은 광물 매트릭스가 식물이 자랄수 있게 하는 토양과 유사하게 된다"고 말했다. 황 교수 팀은 토양, 피톤치드, 광산 폐기물과 미생물을 사용해 한 번에 장벽을 넘는 방법을 제공했다. 데이터를 분석한 과학자들은 식물을 심은 후의 광산 토양에서 미생물이 성공적으로 재정착되었다는 것을 발견했다. 이 토양 미생물들은 특정 잔류물과 미네랄을 분해하며, 이 과정에서 토양 입자들을 뭉치게 만든다. 황 교수는 "토양 부스러기에는 미생물 활성 표면이 있어 일반 토양과 마찬가지로 가스, 물, 뿌리 및 미생물이 생존할 수 있는 다공성 구조를 광미에 형성한다"고 설명했다. 그는 "이렇게 변화된 광미는 기본적으로 식물이 자랄 수 있게 해주는 토양과 같은 매개체가 된다"고 말했다. 그는 "이 과정이 12개월 안에 이루어질 수 있으며 과도한 경작, 비료 남용이나 기후 변화로 인해 손상된 토양을 복원하는 데에도 사용될 수 있다"고 덧붙였다.
- 생활경제
2023-10-10 15:41:00
인공지능(AI), 망막 영상으로 파킨슨병·안질환 진단

인공지능(AI)을 활용해 파킨슨 병을 감지하는 방법이 개발됐다. 과학 학술지 '네이쳐(Nature)'에 따르면, 연구원들이 망막 이미지 분석을 통해 안질환을 비롯해 다양한 건강 문제를 진단하고, 심지어 파킨스병까지도 예측하는 AI를 개발했다. 과거에는 연구원들이 질병을 진단하기 위해 160만개의 망막 이미지를 수집하는데 많은 비용과 긴 시간이 소요됐다. 그러나 최근 개발된 '렛파운드(RETFound)' AI 도구는 자가 지도 학습을 활용하여 효율적으로 학습한다. 이 도구는 수많은 예제를 활용해 망막 이미지의 누락된 부분을 예측하며, 망막의 구조와 특징을 깊이 파악한다. 런던 무어필드 아이 호스피털(Moorfields Eye Hospital)의 피어스 킨(Pearse Keane) 안과전문의는 "망막은 우리 신체에서 모세혈관 네트워크를 직접 관찰할 수 있는 유일한 부분"이라며 "망막 이미지를 통해 고혈압과 같은 전신 질환을 시각화할 수 있다"고 전했다. 연구팀은 이번 연구에서 160만개의 망막 이미지를 기반으로 'RETFound'를 훈련시킨 후, 파킨스병 환자와 비환자의 망막 이미지를 추가로 분석했다. 영국 버밍엄 대학교의 임상 연구원인 시아우수안 리우(Xiaoxuan Liu) 박사는 "RETFound는 성공적으로 의료 이미지 분석에 적용된 몇 안 되는 예시"라고 평가했다. 캘리포니아 스탠포드 대학의 커티스 랭로츠 교수는 자기 공명 이미지나 CT 스캔 같은 복잡한 이미지에서도 이 방법의 효과를 기대하며 지켜보고 있다고 밝혔다. 킨은 "각 나라에서 이 알고리즘을 적용하여 자체 데이터를 통해 최적화할 수 있다"고 강조했다. 이 모델은 공개적으로 이용 가능하며, 연구진은 전 세계 다양한 의료 환경에서 'RETFound'의 적용과 훈련을 기대한다. 다만, RETFound 기반의 다른 질병 감지 모델을 개발할 때에는 윤리적 안전성과 제한 사항의 투명한 소통이 중요하다.
- IT/바이오
2023-09-18 09:03:00