AI at MIT

개요

MIT의 여러 학과에서 인공지능(AI) 기술이 연구와 교육 전반에 걸쳐 깊숙이 통합되어 기존 방법론을 강화하고 새로운 연구 기회를 창출하며 다양한 분야에 혁신을 가져오고 있습니다.

주요 내용

• AI의 광범위한 적용: 기계 공학, 항공우주, 생명 공학, 화학, 재료 과학, 컴퓨터 과학 등 MIT의 거의 모든 학과와 연구실에서 AI 기술(머신러닝, LLM, 신경망 등)을 활용하여 연구를 혁신하고 있습니다.
• 연구 사례:
• Sili Deng 교수는 AI를 활용하여 에너지/유체 장치의 성능을 모방하는 "디지털 트윈"을 개발하여 연소 시스템 예측 및 제어를 목표로 합니다.
• Zachary Cordero 교수는 AI 도구를 사용하여 제트 및 로켓 터빈 엔진의 핵심 부품인 블리스크(blisk)의 재료 구성을 최적화하여 엔진 성능과 수명 연장을 도모합니다.
• Angela Koehler 교수는 AI 모델을 사용하여 기존에 "치료 불가능"으로 간주되었던 분자 표적에 결합하는 신약 후보 물질을 개발합니다.
• Regina Barzilay 교수의 연구팀은 AI를 신약 개발에 적용하여, RNA 백신 및 치료법 전달을 위한 나노 입자 설계, 특정 미생물을 표적으로 하는 항생제 메커니즘 설명, 효과적인 독감 백신 예측 등에 활용합니다.
• CSAIL의 연구팀은 DeepMind의 AlphaFold2에서 영감을 받은 Boltz와 Boltz-2를 개발하여 단백질 3D 구조 및 결합 친화도를 예측하며, BoltzGen은 특정 생체 분자 표적과 결합하는 맞춤형 단백질을 설계하는 생성 AI 모델입니다.
• MultiverSeg는 의료 영상의 관심 영역을 신속하게 주석 처리하는 도구로, 새로운 치료법 개발 및 질병 진행 지도 작성에 기여합니다.
• AI 기반 자동화 실험실은 지속 가능한 재료 및 태양 전지판용 신규 부품 발견 과정을 가속화하고 개선합니다.
• Priya Donti 교수는 전력망에서 발전 자원 스케줄링을 돕는 AI 기반 최적화 접근 방식을 개발하여 그리드의 안정적인 균형 유지에 기여합니다.
• Sara Beery 교수는 AI 방법을 개발하여 원격 감지 기술로 수집된 생태 데이터를 분석하고 전 세계 종 및 생태계 변화를 예측하며, 위기에 처한 종을 식별하는 데 활용합니다.
• Connor Coley 교수는 화학 및 컴퓨터 과학의 교차점에서 AI를 사용하여 새로운 분자 및 제조 방법을 설계하며, AI와 로봇 공학을 결합한 자율 시스템으로 고성능 재료 발견 및 생산 프로세스를 간소화합니다.
• Alexander Siemenn은 지속 가능한 고성능 태양 전지판 재료를 발견하고 테스트하기 위해 AI 기반 자율 로봇 실험실을 구축합니다.
• AI 연구의 역사와 발전: MIT는 1954년 세계 최초의 신경망 컴퓨터 시뮬레이션을 수행하는 등 AI 분야에서 오랜 역사를 가지고 있으며, 최근에는 컴퓨팅 성능의 증가와 강력한 새로운 모델의 등장으로 AI 연구 활동이 폭발적으로 증가했습니다.
• AI의 한계 및 과제: AI가 많은 성과를 거두고 있지만, 신경 퇴행성 질환이나 진행성 암과 같은 복잡한 질병의 근본적인 메커니즘을 완전히 이해하는 데는 아직 한계가 있습니다. 또한, AI가 제안한 디지털 솔루션을 실제 물질로 구현하는 데 있어 재료 과학 분야의 확장성 문제와 물리적 세계의 복잡성을 AI 모델이 완전히 포착하지 못하는 경우도 있습니다.

시사점

MIT의 AI 연구는 신약 개발, 재료 과학, 생태계 분석 등 다양한 분야에서 혁신을 주도하고 있으며, AI의 잠재력을 최대한 활용하여 복잡한 문제를 해결하고 과학적 발견을 가속화하는 데 중점을 두고 있습니다.