딥프린시플, 7530억 파라미터 과학 AI 'Hydrogen-1.0' 가중치 공개

대규모 언어 모델이 코드를 짜는 일은 흔해졌지만, 분자 시뮬레이션 스크립트에서 오류가 났을 때 스스로 로그를 분석해 토폴로지 파일을 고치고 계산을 끝까지 마치는 모델은 차원이 다릅니다.

딥프린시플이 화학, 소재과학, 생명과학 분야에 특화된 오픈 가중치 모델 Hydrogen-1.0을 공개했습니다. GLM-5.3을 기반으로 사후 학습된 이 모델은 총 7530억 파라미터에 달하는 초대형 연구용 AI입니다.

벤치마크 평가에서도 뛰어난 성능을 입증했습니다. FrontierScience-Research 평가에서 GPT-6-Astra를 앞질렀고, 고난도 과학 추론 벤치마크인 GPQA-Diamonds에서도 베이스 모델인 GLM-5.3을 크게 넘어서며 Kimi-K3와 대등한 수준을 기록했습니다.

코드 오류 자체 수정부터 실험실 로봇 제어까지

Hydrogen-1.0의 가장 큰 특징은 논문 요약에 머무르지 않고 실제 연구 현장의 실행 과정을 직접 처리한다는 점입니다.

폴리에틸렌 분자 시뮬레이션 실험에서 이 모델은 파이썬 코드를 작성해 GROMACS 연산을 수행했습니다. 실행 중 토폴로지 오류가 발생하자 문제를 스스로 찾아내 수정한 뒤 연산을 재개했고, 40나노초 동안의 분자 궤적 데이터를 기반으로 밀도와 확산 특성을 계산해 냈습니다.

분석 화학 영역에서도 전문성을 보였습니다. 2-브로모나프탈렌의 단일 포밀화 생성물에 대한 1H NMR 스펙트럼 데이터를 읽어 다운필드 신호를 기반으로 후보 구조를 판별해 냈습니다. 아일랜드-클라이젠 전위 반응에서는 30단계의 복잡한 반응 경로 네트워크를 그려내고 각 경로의 전자 에너지 장벽을 비교했습니다.

실용성이 돋보이는 부분은 실험실 컴파일 기능입니다. 12개 바이알을 사용하는 스즈키 커플링 실험 프로토콜을 작성할 때, 가상 환경에서 사전 시뮬레이션을 먼저 진행했습니다. 로봇 팔이 새 팁을 장착하지 않고 액체를 흡입하려는 오류를 미리 잡아내 순서를 바로잡은 뒤 실행용 JSON 명령어를 생성했습니다.

실패한 실험 데이터에서 배운 연구 직관

대다수 AI는 성공 사례만 담긴 논문을 학습합니다. 하지만 딥프린시플은 전자 연구 노트에 기록된 가설, 관찰, 그리고 실패했던 수많은 실험 기록까지 학습 데이터로 사용했습니다.

지도 미세조정과 강화학습을 거친 모델은 시행착오 속에서 과학적 직관을 발휘합니다. 전이금속 착물 설계 평가에서 5회에 걸쳐 닫힌 루프 탐색을 진행한 결과, Hydrogen-1.0이 찾아낸 최적의 HOMO-LUMO 에너지 갭은 4.318 eV로 GPT-6-Astra의 3.689 eV를 크게 앞섰습니다.

현재 가중치는 허깅페이스에 공개되어 있으며 전체 버전과 엔비디아 GPU용 FP4 버전, AMD용 MX 버전으로 제공됩니다. 다만 가장 가벼운 FP4 버전조차 용량이 464GB에 달해 일반 단일 GPU에서는 구동할 수 없고 멀티 GPU 클러스터가 필수적입니다.

왜 중요한가

우리는 Hydrogen-1.0이 과학 연구용 AI의 판도를 폐쇄형 API에서 오픈 생태계로 전환하는 계기가 될 것이라고 봅니다.

오픈AI나 앤트로픽 같은 빅테크가 과학적 발견 사례를 연이어 발표해 왔지만, 그 이면의 모델 가중치는 철저히 비공개였습니다. 딥프린시플이 7530억 파라미터 수준의 고성능 과학 연구 모델을 오픈 가중치로 공개함으로써 대학과 바이오 연구소는 자체 인프라에서 안전하게 연구용 에이전트를 구축할 수 있게 되었습니다.

특히 가상 환경 리허설을 통해 로봇 제어 명령의 오류를 미리 컴파일하는 접근법은 매우 똑똑한 선택입니다. 값비싼 시약 낭비와 고가의 자동화 장비 파손 위험을 사전에 차단해 실제 랩 자동화의 안전 문제를 현실적으로 해결했습니다.

물론 한계도 명확합니다. 압축된 FP4 버전마저 464GB에 달할 정도로 하드웨어 요구 조건이 지나치게 높아 일반 연구자 개인이 다루기엔 진입 장벽이 큽니다. 또한 고난도 NMR 구조 판별 등 일부 영역에서는 최상위 폐쇄형 모델에 다소 뒤처집니다. 그럼에도 오픈 모델이 실제 복잡한 실험 워크플로를 자율적으로 조율할 수 있음을 증명했다는 점에서 의미가 큽니다.