본인을 대표하는 이미지 한 장을 첨부해 주세요.

 축하합니다! 수상의 영광을 함께 나누게 되어 기쁩니다. 

 수상의 기쁨을 맛본 소감을 한마디로 표현해 주세요.

실제 신약 개발 현장에서 마주하는 문제에 대해 최선의 접근법을 찾아가는 과정을 통해 한걸음 더 성장할 수 있는 좋은 기회였습니다. 

대회를 개최해 주신 주최측과 데이콘 측에 감사드립니다. 

 팀의 이야기를 들려주세요.

저는 (주)스탠다임 AI연구소에서 AI 연구원으로 근무하며 전문연구요원 복무를 수행하고 있습니다.

스탠다임은 인공지능 신약개발 분야에서 지속적으로 연구개발을 진행하고 있고, 특히 약물성 예측 분야에서는 논문 출판, 경진대회 참가 등을 통해 좋은 연구 성과를 얻고 있습니다. 

평소에 실제 인공지능 신약개발 연구를 진행하며 다양한 접근법들을 접하고 배울 수 있는 환경에 있다 보니, 이번 대회에서도 그간의 경험을 바탕으로 문제에 접근할 수 있었습니다.

 이번 성과의 비결은 무엇이라고 생각하시나요?

최근 많은 발전을 이루고 있는 foundation model을 적극적으로 활용한 접근이 좋은 결과로 이어진 것 같습니다. 

이번 대회에서는 분자에 대한 표현을 얻기 위해 저희 스탠다임에서 기존에 개발하여 작년 논문으로 출판했던 모델인 QIP-ADMET을 활용했습니다. 

QIP-ADMET는 이전에 DACON에서 열렸던 화합물 대사안정성 예측모델 개발 대회에서도 우수상을 수상하는 등 성능이 검증되었고, 그간 다양한 약물성 예측 문제에서 많은 노하우를 쌓아왔습니다. 

데이터가 제한적인 신약개발 분야의 문제에서는 일반화 성능을 확보하기 어렵고, validation을 하려고 하면 적은 데이터를 더 쪼개서 써야 하는 부분이 까다로운데, foundation model은 상대적으로 과적합에 대한 걱정을 덜 하면서도 어느정도 성능을 기대할 수 있다는 점이 이번 대회에서 큰 강점이 되었습니다.

다양한 접근을 시도해 보면서 좋은 방법을 찾아가는 것이 당연하지만, 때로는 "simple is the best"라는 말이 맞는 것 같습니다. 검증된 방법을 기반으로 문제의 특성에 맞게 간결하게 적용하는 것이 오히려 안정적인 결과로 이어지는 경우가 많았습니다. 특히 데이터가 적은 상황에서는 더더욱 그런 것 같습니다.

외부 공개 데이터를 추가로 활용해 보거나 여러 가지 다른 방법들도 시도해 보았는데, 결국 이미 잘 학습된 모델이 있다면 그 표현력을 최대한 활용하는 방향이 가장 효과적이었습니다.

이번에 제출한 결과는 실제로 사전에 학습된 foundation model들의 파라미터를 추가로 전혀 학습하지 않고 in-context learning과 inference만 진행하여 얻어졌는데, 복잡한 추가 과정 없이 간결하고 빠르게 좋은 결과를 얻을 수 있고, 다양한 문제에 범용성 있게 적용할 수 있는 방법을 얻었다고 생각합니다. 

 대회 기간 중 특별히 기억에 남는 순간이 있다면 공유해 주세요.

Public score에서의 순위가 높지 않아서, 수상에 대한 큰 기대를 하지는 않았었는데, private 데이터에서의 성능이 예상보다 훨씬 높게 나왔던 것이 가장 기억에 남습니다.

이번 대회에서는 public score 계산 시 테스트 데이터의 80%를 랜덤하게 선정하여 평가하는 방식이었는데, 그 방법이 생소해서 처음 제출할 때 상당히 당황했던 기억도 있습니다. 결과적으로는 public score에 과적합하는 것을 방지하고 일반화된 모델을 제출하도록 유도하는 방식이었던 것 같습니다.

 데이터 분석이나 학습 과정에서의 나만의 비법이 있다면요?

최신 기술에 대해 follow-up도 하고, 다양한 방법들에 대해 읽고 배우려고 노력하는 편입니다.

 수상을 기념하여 빌 수 있는 한 가지 소원이 있다면?

저희 스탠다임의 기술이 실제 신약개발에 잘 활용되어 좋은 결과로 이어지길 바랍니다. 

 앞으로의 목표와 꿈을 말씀해 주세요.

인공지능 신약개발 분야에서 연구자로서 꾸준히 노력하여 의미 있는 성과를 내고 싶습니다.

이번 대회 경험을 발판 삼아 앞으로도 실제 문제 해결에 기여할 수 있는 연구를 이어가겠습니다.

 데이콘 커뮤니티에 바라는 점이 있다면 무엇인가요?

앞으로도 다양한 주제의 대회가 많이 개최되었으면 좋겠습니다. 

또한 Kaggle처럼 커뮤니티가 더욱 활성화되고, 대회 외에도 데이터셋 등의 공유 등도 활발하게 이루어지는 플랫폼으로 성장할 수 있으면 좋겠습니다.