신규물질디자인을 위한 가상분자생성기술 수료증
모집인원999명
학습기간2023-09-25 ~ 2024-12-31
강좌 소개
*해당 교육과정 이수 및 역량평가 합격 시 '가상분자생성기술' 역량을 인증하는 디지털배지를 발급합니다.
1. 과정소개
- 생성모델 및 강화학습에 원리 및 구현 방법을 이해하고, 신규물질발굴 및 디자인 최적화에 활용할 수 있는 인재를 양성 및 인증
- 주요 분자 생성모델인 GAN/VAE의 이론적 기초를 이해하고, Denovo Design 및 최적화에 활용
- 강화학습 기초를 이해하고, Lead Optimization에 적용
2. 수강요건
- 과정 이해을 위해 '화학 및 화학정보학', '인공지능 및 프로그래밍'에 대한 기초 역량이 필요합니다.
- 생성모델 구조 기초(VAE, GAN), 딥러닝 모델(RNN) 기초, 프로그래밍 기초, 화학정보학 및 화합물데이터 표현 기초
3. 교육과정 구성
| 분류 | 제목 | 강사 | 차수 | 학습목표 |
|
실습 |
Deep Learning Based Molecular Generation | 팜캐드 이일구박사 | 4 | 신규 약물 디자인(De novo Drug Design)을 위해 활용되는 생성모델의 개념을 이해하고, RNN 및 VAE 모델을 활용한 기초 모델 구축 실습을 진행한다. |
|
실습 |
Geometric Deep Learning | POSTECH 안성수교수 | 5 | 분자 3차원 구조에 Geometric Deep Learning을 적용하고, 단백질 및 분자 생성모델에 이를 적용해보는 실습을 수행한다. |
| 이론 | Molecular Design with Deep Generative Models | HITS 임재창 기술이사 | 4 | 다양한 인공지능 기술을 활용한 생성모델에 대한 이론적 배경을 설명하고, 분자 표현방법에 따른 응용연구방법에 대해 학습한다. (조건부 생성, 전이학습, 강화학습, Language Model, Variational Autoencoder(VAE)) |
| 이론 | 분자생성모델 연구동향 리뷰 | HITS 임재창 기술이사 | 4 |
분자 Fragmentation 및 단백질 3차원 구조 기반의 생성모델을 이해한다. * '단백질 구조 모델', '분자그래프 모델' 기초 내용이 포함되며, 필요 시 타개설과목 활용 |
| 이론 | 인공지능 신약개발을 위한 강화학습 기초 | KAIST 이상완 교수 | 6 | 강화학습에 기초가 되는 이론적 배경을 이해하고, 주요 딥러닝 기반 강화학습 모델의 이론을 학습한다. |
| 이론 |
신약최적화를 위한 생성모델 및 강화학습 모델 *신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 3-4강 |
KAIST 김동섭 교수 | 2 |
생성모델 및 강화학습 모델구조를 이해하고, 기반 신약최적화 사례를 학습한다.
|
| 실습 |
강화학습을 활용한 Lead Optimization 파이프라인 설계 *Early Stage Drug Discovery를 위한 AI 파이프라인 설계 |
종근당 공현승책임연구원 |
1 | 효력과 독성을 고려한 강화학습 기반 Lead Optimization 모델을 설계한다 |
AI기술형
과정 소개
