한세희 LG AI 연구원 MI 랩장(왼쪽)과 김재윤 LG생활건강 책임연구원. LG 세상에 없던 물질을 찾는 데 걸리는 시간은 단 1분. PH농도와 분자량, 용해도, 지용성 등 신물질에 필요한 네 가지 조건을 클릭하자 이 조건을 동시에 충족하는 100가지 후보물질이 쏟아졌다. 화학자가 분자를 하나씩 설계하고 합성한 뒤 성질을 측정해야 했던 작업을 LG AI연구원이 개발한 ‘엑사원 디스커버리’가 1분 만에 수행한 것이다. AI 과학자의 핵심 기술이 적용된 플랫폼 엑사원 디스커버리는 약 40개의 화학 조건을 통해 한 번에 최대 1000개의 후보를 생성할 수 있다. 22개월 걸리던 R&D 하루 만에 ‘뚝딱’ LG는 최근 이 기술로 탈모관리를 위한 새로운 길을 열었다. LG생활건강과 LG AI연구원이 손잡고 개발한 신소재 ‘람시딜’이다. 람시딜이 처음부터 탈모를 위해 탄생한 것은 아니다. LG생활건강은 피부와 두피 세포를 활성화하고 에너지 대사를 높일 수 있는 물질을 의뢰했다. 엑사원 디스커버리가 하루 만에 찾아낸 후보 물질은 무려 42만 개였다. 통상 화장품 소재 개발까지는 22개월이 걸린다. 분자 구조를 변형하거나 새로운 구조를 결합해 효능이 뛰어난 물질을 발견해야 하기까지 수많은 연구진이 달라붙어 오랜 시간을 쏟아부어야 한 가지 물질을 발견할 수 있다. 연구자가 기존 논문과 물질 정보를 일일이 검토하고 가능성 있는 구조를 설계한 뒤 직접 합성과 평가를 반복해야 하기 때문이다. 바다이야기 게임장 람시딜 개발을 주도한 김재윤 LG생활건강 책임연구원은 “AI 없이 42만 개의 후보 물질을 발견하고 검토하는 일은 수백 명의 연구자가 2년 동안 한 물질에만 매달릴 때만 가능한 시나리오”라며 “42만 개 후보군 중 합성 가능성, 물성, 생산성 기준을 충족하는 물질 700개를 추려낸 후 이 중 모발 뿌리를 강화하는 데 가장 탁월한 성능을 보인 물질을 골라냈다”고 말했다. 현실적으로 불가능했던 탐색을 AI가 하루 만에 가능하게 만든 것이다. 효능이 뛰어난 물질을 찾는 것만큼이나 ‘상용화할 수 있는 물질’을 만드는 것도 관건이었다. 김 책임연구원은 “좋은 물질임에도 물성이 떨어지거나 비용 문제로 고객에게 전달하지 못한 사례가 많았다”며 “람시딜은 연구 초기부터 용해도와 생산성을 필수로 반영해 실제 제품으로 상용화할 수 있는 물질을 설계했다”고 밝혔다. 람시딜은 모낭세포를 강화하는 동시에 세포 안에서 에너지를 생산하는 미토콘드리아의 활성을 높이는 것으로 나타났다. 머리카락은 성장기 동안 끊임없이 세포분열을 하기 때문에 많은 에너지를 필요로 한다. 스트레스를 받거나 영양 공급이 부족할 때 모발이 약해지는 것도 이와 관련이 있다. 김 책임연구원은 람시딜이 모낭세포가 스트레스 환경을 견디며 에너지를 계속 만들어낼 수 있도록 돕는다고 설명했다. 모발의 퇴행기를 촉진하는 단백질 ‘DKK1’의 발현도 억제해 두피가 머리카락을 오래 붙들고 있을 수 있도록 작용한다. 오리지날 양귀비 LG생활건강이 실시한 체외 모낭 실험에서는 가늘어진 모근에 람시딜을 처리한 뒤 2주 후 굵기와 관련한 지표가 50% 이상 개선됐다. 모낭세포 증식과 미토콘드리아 활성도 대조군보다 높아졌다. 다만 현재까지 확인된 결과는 사람에게 사용했을 때 탈모가 줄거나 머리카락이 굵어진다는 사실을 입증한 임상시험 결과는 아니다. LG생활건강은 람시딜을 닥터그루트 제품에 적용하기 위한 샘플 제형을 제작하고 사업화 가능성을 검토하고 있다. 올해 안에 소재 개발과 제품 적용 기술을 완성하는 것이 목표지만 구체적인 출시 시。과 품목은 아직 정해지지 않았다. ‘답변’ 대신 ‘산업 현장’ 향하는 LG AI 람시딜을 적용한 제품이 출시되면 엑사원 디스크버리의 첫 상용화 작품이 된다. 엑사원 디스커버리의 활용 분야는 화장품을 넘어선다. LG AI연구원은 같은 모델을 AI 데이터센터용 액침냉각유와 반도체·배터리·열관리 소재 개발에도 적용하고 있다. 한세희 LG AI연구원 MI(Materials Intelligence)랩장은 “산업은 달라도 물질은 원자와 분자로 구성되고 분자 구조와 물성 사이에는 공통된 관계가 존재한다”며 “하나의 과제만 풀도록 만든 전용 모델이 아니라 화학의 기본 원리를 학습한 파운데이션 모델이어서 다양한 산업으로 확장이 가능하다”고 말했다. 엑사원 디스커버리는 오픈 데이터베이스에 축적된 소재 정보와 과거 논문·특허의 문헌 정보, 기업 연구소가 직접 실험해 쌓은 데이터를 함께 학습했다. 이를 통해 분자의 구조와 조성이 물성 및 성능에 어떤 영향을 주는지 파악하고 연구자가 요구한 조건을 만족할 가능성이 높은 새로운 분자 구조를 제안한다 알라딘설명 . 인간 연구자가 2~3년에 걸쳐 해야 할 일을 2~3분으로 압출할 수 있는 비결이다. 엑사원 디스커버리의 작동 방식은 크게 ‘생성’과 ‘예측’ 두 가지다. 용해도, 끓는.과 녹는。, 전기·열적 특성, 화학적 반응성 등 40개 조건을 클릭하면 AI가 이를 동시에 만족하는 새로운 분자 구조를 그려낸다. 반대로 예측 모델은 연구자가 검토하고 싶은 분자 구조를 넣으면 이 물질이 가진 물리적·화학적 성질 40개를 분석해낸다. 사람이 실험실에서 물질을 만든 뒤에야 알 수 있었던 성질을 합성 전에 미리 가늠하는 것이다. 한 랩장은 “LG AI연구원의 다음 목표는 실험실에서 하던 모든 과정을 하나의 에이전틱 AI로 연결하는 것”이라며 “연구자가 원하는 소재의 기능이나 가설을 제시하면 에이전틱 AI가 관련 문헌을 조사하고 후보 분자를 생성한 뒤 물성과 효능을 예측해 다음 실험까지 제안하는 방향으로 발전할 수 있다”고 전망했다. LG의 AI 사업은 ‘산업 현장’을 향하고 있다. 국내외 기업들이 너도나도 생성형 AI를 통해 챗봇이나 맞춤형 광고 등 플랫폼 서비스에 초.을 맞출 때 LG는 다양한 산업에 적용할 수 있는 AI에 집중했다. 생산 공정부터 소재 및 제품 개발까지 다양한 사업과 AI 기술을 연계해 생산성을 높이거나 수익을 내는 등 ‘실질적인 가치를 창출하는 AI’를 목표로 잡았다. 한 랩장은 “범용 지식만 학습한 AI로는 산업 현장의 문제를 풀기 어렵다”며 “한국은 반도체와 배터리, 바이오 등 제조 현장에 축적된 데이터와 연구자의 노하우를 AI와 결합해 ‘답변하는 AI’를 넘어 ‘제품을 만드는 AI’에서 경쟁력을 가질 수 있다”고 말했다. 집중했다. 생산