AI×양자컴퓨팅으로 신규 펩타이드 생성 성공
원제: Scientists’ Side Hustle? Using AI and Quantum Computing to Generate New Peptides
왜 중요한가
양자-AI 하이브리드 방식이 희소 데이터 환경에서 신약 후보물질 발굴 정확도를 높임으로써, 의료 접근성이 낮은 집단을 위한 신약 개발 가능성을 제시했다.
덴마크 공과대학(DTU) 연구팀이 2026년 7월, AI 생성 모델과 영국 스타트업 ORCA Computing의 양자 컴퓨터를 결합해 특정 단백질에 결합 가능한 신규 펩타이드 생성에 성공했다고 발표했다. 연구팀은 주말과 타 프로젝트 잔여 예산을 활용해 이 연구를 수행했으며, 양자-고전 하이브리드 방식이 훈련 데이터가 부족한 환경에서 더 뛰어난 성능을 보였다.
DTU 연구팀은 단백질 예측용 생성 AI 모델과 ORCA Computing이 개발한 소형 양자 컴퓨터를 연동하는 하이브리드 방식을 채택했다. 이 양자 컴퓨터는 프린터 크기로, 양자 머신과 기존 프로세서를 연결해 AI 처리 속도를 높이는 방식으로 작동한다.
연구팀은 이 방법으로 생성된 펩타이드를 실험실에서 직접 제조해 단백질 결합 여부를 검증했다. 그 결과, 양자 하이브리드 모델이 고전 컴퓨터 단독 모델보다 더 많은 유효 펩타이드를 생성했으며, 특히 훈련 데이터가 희소한 조건에서 개선 효과가 두드러졌다.
프로젝트를 이끈 DTU 교수 Timothy Patrick Jenkins는 의료 연구가 서구 인구 집단에 편중되어 아시아·아프리카 등 미개척 집단에 대한 유전 데이터가 부족하다는 문제를 지적했다. 연구팀은 양자 컴퓨터가 이미지 생성 분야에서 다양성을 높인 사례를 참고해 펩타이드 생성에 적용했다.
다만 현재 양자 컴퓨터는 규모가 작아 풀스케일 AI 모델 구동에는 한계가 있으며, PhD 학생 Jonathan Funk는 일반적으로 다루는 항체 크기의 복잡도를 아직 인코딩할 수 없다고 밝혔다. 연구팀은 이 기술이 개인 맞춤형 면역치료 및 백신 개발 가속화에 기여할 수 있다고 전망했다. 연구 자금 대부분은 공식 재단 지원이 아닌 연구팀의 자체 예산으로 충당됐다.