K-MELLODDY, 연합학습 성능 확인에도 사업 지속 보상·보안 과제 남아

모든 뉴스

주요 뉴스

편집자 추천

주식

암호화폐

경제

외환

원자재

비즈니스 및 자산

시장의 소리

Elena Nikulina

22.10.2026

K-MELLODDY, 연합학습 성능 확인에도 사업 지속 보상·보안 과제 남아 — K-MELLODDY 과제와 미래

정부가 추진하는 AI 연합신약개발 사업 K-MELLODDY가 초기 참여 기관의 성능 검증에서 예측력 개선 가능성을 확인하고 있다. 다만 2028년 12월 정부 지원 종료 이후에도 기관 참여를 이어가기 위한 보상 체계와 데이터 보호 장치 마련이 사업의 핵심 과제로 떠오르고 있다.

하이라이트

K-MELLODDY, a government-backed federated learning AI drug discovery project, achieved performance improvements in 11 of 15 tasks verified by October 2024 across 5 model developers.
The platform, funded with 348억원 from April 2024 to December 2028 and involving 52 organizations, operates a revenue-sharing model among researchers, model developers, and data providers.
Ongoing challenges include establishing fair reward and security schemes, particularly for participant contribution assessment and model inversion risk, with critical sustainability decisions slated for phase two through 2028.

초기 검증 성과와 플랫폼 운영 구조

히트뉴스에 따르면 K-MELLODDY는 데이터를 기관 밖으로 내보내지 않은 채 여러 기관이 함께 AI 신약개발 모델을 학습하는 국가 프로젝트로, 2024년 선정된 모델 개발기관 5곳의 올해 10월까지 성능 검증에서 15개 과업 중 11개 과업의 예측 성능 향상이 확인됐다. 홍성은 K-MELLODDY 사업단 연구기획팀장은 21일 수원컨벤션센터에서 열린 대한약학회 추계국제학술대회 AI 신약개발 심포지엄에서 공개 데이터 활용을 넘어 추가 성과를 냈다고 설명했다.

K-MELLODDY는 보건복지부와 과학기술정보통신부가 2024년 4월부터 2028년 12월까지 348억원을 투입하는 사업으로, 한국제약바이오협회 사업단이 주관하고 있다. 주관기관은 36곳이며 공동연구기관까지 포함하면 총 52곳이 참여하고 있다.

기관별 효과는 데이터 보유 규모에 따라 다르게 나타나고 있다. 데이터가 적은 기관은 단독으로 만들기 어려운 모델을 확보했고, 데이터가 많은 기관은 개인화 모델을 통해 추가 성능 개선을 확인하고 있다는 것이 사업단 설명이다.

이번 결과는 1단계 일부에 해당한다. 모델 개발기관은 2024년부터 3년간 매년 5곳씩 선정되며 2025년과 2026년 선정 기관의 성과는 아직 공개되지 않았다. 현재 플랫폼에는 6개 카테고리, 12개 항목으로 표준화한 데이터 10만건 이상이 올라와 있으며, 연합학습 플랫폼 FDD는 2025년 10월부터 실시간 가동 중이다.

이 플랫폼은 신약 연구자가 예측 모델 이용료를 내고 서비스를 쓰면 수익을 모델 개발기관과 데이터 제공기관이 나누는 구조를 갖고 있다. 이완희 에비드넷 연구소장은 합리적인 대가 지급 체계가 오히려 활용도를 높일 수 있다고 보고 있다.

보상 배분과 보안, 사업 지속성의 핵심 변수

다만 수익과 기여도 배분은 여전히 남은 과제다. 이 소장은 데이터 양만으로 가치를 판단하기 어렵고 기관마다 데이터 특성이 달라 연합학습 과정에서 원천 데이터를 직접 볼 수 없는 만큼 기여도 평가가 쉽지 않다고 설명했다.

기여도 평가는 데이터 규모와 편향, 모델 성능에 미친 영향, 다른 기관에 없는 데이터를 얼마나 보완했는지 등을 기준으로 이뤄질 수 있다. 현재 한국전자기술연구원이 적용한 방식은 특정 참여자가 없었을 때와 있었을 때의 효과를 비교하는 두 가지 접근으로 정리된다.

민간 참여를 유지할 유인 설계도 중요해지고 있다. 일라이 릴리의 튠랩은 소분자 실험값 1000건 이상 또는 항체 서열 125개 이상을 제공해야 이용할 수 있는 구조를 두고 있는데, K-MELLODDY 역시 정부 과제를 넘어 기업 참여 동기와 보상 체계를 사업 유지 장치로 마련할 필요가 있다는 지적이 나온다.

보안 측면에서는 연합학습 과정에서 원천 데이터 대신 가중치가 오간다. FDD는 3계층 보안 구조에 인증서 기반 상호 인증, 격리 컨테이너, AI 정적 검사기 등을 적용하고 있으며, 가중치를 가로채 모델을 복원하는 그래디언트 인버전 방식에 대해서는 방어가 가능하다는 설명이 제시됐다.

반면 모델의 답을 역추적해 원천 데이터를 복원하는 모델 인버전에 대해서는 추가 대응이 필요하다. 이 소장은 동형암호가 근본적 대응 수단이지만 적용 시 다른 영역에 미치는 영향이 큰 만큼 2단계에서 영향도를 분석해 보완하겠다고 밝혔다.

2단계에서는 참여 기관의 모델 피드백을 반영해 ADMET와 PK 예측을 하나로 잇는 엔드투엔드 예측도 추진한다. 사업화 계획과 지속 운영 방안 역시 이 단계에서 마련될 예정이어서, 2028년 12월 정부 지원 종료 이후에도 기관들이 데이터를 계속 제공하도록 만들 유인 구조가 K-MELLODDY의 사업 지속성을 좌우할 전망이다.

우리 매체는 앞서 HD현대가 AI 데이터센터 확산으로 늘어나는 전력 수요에 대응해 중속엔진 기반 발전설비와 전력 인프라 사업을 공격적으로 확대하고 있다고 전했습니다. 북미 데이터센터용 발전설비 수주 증가와 함께 생산능력 증설, 유지·보수(MRO) 강화, 소형모듈원자로(SMR) 관련 투자까지 병행하며 성장 축을 넓히는 흐름을 짚었습니다.

이 자료는 제3자의 의견을 포함할 수 있으며, 이 웹페이지의 데이터 및 정보는 우리의 면책 조항에 따라 투자 조언을 구성하지 않습니다. 우리는 엄격한 편집 무결성을 준수하지만, 이 게시물에는 파트너의 제품에 대한 언급이 포함될 수 있습니다.

이 글이 마음에 드셨나요?