소재 정보학 분자식 데이터 변환 코드 비교

소재정보학에서 분자식 구조를 정형화된 데이터로 변환하는 방법

소재정보학(Materials Informatics)에서는 분자 구조를 컴퓨터가 이해할 수 있는 형태로 변환해야 합니다. 이를 위해 다양한 코드(Descriptor/Encoding) 방식이 활용되며, 각 방식마다 장단점이 존재합니다.

1️⃣ SMILES (Simplified Molecular Input Line Entry System)

• 개념: 분자 구조를 문자열로 선형 표기 (예: 에탄올 → CCO)
• 장점: 단순하고 경량, 데이터베이스 호환성 높음, 텍스트 기반 처리 용이
• 단점: 동일 분자에 여러 표현 가능, 3D 정보 반영 어려움

2️⃣ InChI (International Chemical Identifier)

• 개념: 국제 표준화 화학식 문자열 코드
• 장점: 유일한 코드 생성, 데이터 공유·검색에 최적화
• 단점: 문자열 길이가 길고 복잡, ML 피처로 직접 활용 어려움

3️⃣ Molecular Fingerprints (Morgan, ECFP, MACCS 등)

• 개념: 분자의 서브구조를 비트 벡터로 표현
• 장점: 분자 유사성 계산에 최적화, ML 피처로 활용 용이
• 단점: 3D 정보 반영 제한적, 해석력 낮음

4️⃣ Graph-based Representation

• 개념: 분자를 노드(원자)와 엣지(결합)로 구성된 그래프 데이터로 표현
• 장점: 구조적·입체적 정보 활용 가능, GNN 모델과 결합 유리
• 단점: 데이터 처리 복잡, 표준화 어려움, 계산 비용 높음

5️⃣ 3D Descriptor (Coulomb Matrix, Bag-of-Bonds, SOAP, ACSF)

• 개념: 원자 간 거리, 전하 분포 등을 행렬 또는 벡터로 수치화
• 장점: 양자화학 특성 반영, 회전·이동 불변성 확보, 물성 예측 정확도 높음
• 단점: 계산량 많음, 대규모 데이터셋 구축 비용 높음, 노이즈 민감

✅ 방법별 비교

방법	데이터 형태	표준화	3D 반영	해석력	ML 적용 용이성
SMILES	문자열	낮음	X	중간	높음
InChI	문자열	높음	X	낮음	낮음
Fingerprints	비트 벡터	중간	X	낮음	높음
Graph-based	그래프 데이터	낮음	O	높음	중간~높음
3D Descriptor	행렬·벡터	중간	O	높음	높음

#SMILES #InChI #MolecularFingerprints #GraphRepresentation #3DDescriptor #MaterialsInformatics #MolecularEncoding #데이터표준화 #머신러닝화학 #분자특성예측