1. 문제 정의
방대한 화합물 데이터의 비효율적 관리
연구자들이 사용하는 화합물 조합 데이터가 다양한 형식(SMILES, InChI 등)으로 존재하고, 별도 시스템 없이 엑셀, 문서 등으로 관리됨.
이로 인해 실험 반복성 확보나 이력 추적, 조합 비교 분석이 매우 어렵고 시간이 많이 소요됨.
최적 화합물 탐색에 필요한 실험 부담
새로운 후보 조합을 찾기 위해 수백~수천 건의 실험이 필요하며, 비용과 시간이 많이 소모됨.
실험 실패율도 높아 자원 낭비 및 연구 효율 저하 문제가 발생.
AI 활용의 진입 장벽
연구자가 직접 AI나 데이터 분석 기술을 활용하기에는 도구나 전문성 부족.
기존 AI 도구들은 일반적인 머신러닝 툴이 대부분이며, 화학 특화된 사용자 경험 부족.


2. 프로젝트 목표 및 주안점
- 화합물 데이터의 통합적 산출·관리 시스템 구축
실험 이력, 화합물 조합, 결과 데이터를 일관된 포맷으로 등록·조회·분석할 수 있는 플랫폼 제공
데이터 재활용성과 관리 효율성 확보
- AI 기반 추천 시스템을 통한 후보 조합 탐색 효율화
기존 실험 데이터를 기반으로 성능이 유망한 화합물 조합을 예측하여 실험 부담 감소
실패 확률이 높은 조합을 사전 제거 → 실험 리소스 최적화
- 연구자 중심의 UX/UI 설계
AI 전문 지식이 없어도 사용할 수 있는 직관적 인터페이스
조합 추천 결과를 시각적으로 비교, 근거 제시하여 신뢰도 확보
- 확장성과 자동화를 고려한 시스템 설계
향후 로봇 실험 장비 연동, 클라우드 기반 실험 파이프라인 자동화 등에 대응할 수 있는 구조
다양한 연구 기관, 기업에서 활용 가능한 범용 플랫폼 지향

1. 프로젝트 개요
HUBLE.AI는 신약 개발, 소재 연구 등에서 핵심적인 역할을 하는 최적의 화합물 후보군을 효율적으로 탐색하고 관리할 수 있는 플랫폼입니다. 인공지능 기반의 추천 알고리즘과 직관적인 UI를 결합하여, 연구자들이 방대한 화합물 데이터를 효과적으로 분석하고 활용할 수 있도록 지원합니다.

2. 프로젝트 배경
신약 및 첨단 소재 개발 분야에서는 수많은 화합물 조합 중에서 효능이 우수한 조합을 빠르게 찾는 것이 연구 성패를 좌우합니다.
그러나 실제 연구 환경에서는 화합물 데이터가 흩어져 있거나 비구조화된 상태로 존재하며, 실험 결과 관리와 후보 조합 선별 과정이 수작업에 의존하는 경우가 많아 비효율이 존재했습니다.
이에 따라, 화합물 데이터를 체계적으로 수집·관리하고, AI를 활용해 최적의 조합을 추천하는 플랫폼의 필요성이 대두되었습니다.

3. 프로젝트 개발 과정
- 요구사항 정의 및 사용자 리서치
주요 사용자(화학 연구원, 데이터 사이언티스트, 제약사 실험 책임자) 인터뷰를 통해 데이터 입력 방식, 실험 반복성, 후보 조합 비교 기능에 대한 니즈 도출
기존 화합물 관리 도구의 한계 분석

- 플랫폼 아키텍처 설계
모듈화된 화합물 관리 구조 설계 (화합물 등록, 조합, 실험 결과 연동 등)
대규모 화합물 라이브러리를 빠르게 탐색 가능한 검색 및 필터 엔진 구성
AI 기반 추천 모델과 사용자 인터페이스 간 연결 방식 정의

- 디자인 및 프론트엔드 개발
연구 데이터를 시각적으로 직관적으로 표현할 수 있도록 대시보드 및 조합 비교 UI 디자인
반응형 디자인 적용으로 실험실 환경에서도 다양한 기기에서 사용 가능

- 백엔드 및 AI 추천 시스템 구축
화합물 구조, 효능, 실험 이력 등 다양한 속성을 기반으로 한 화합물 관계형 데이터베이스 설계
머신러닝 알고리즘을 통해 기존 실험 데이터를 학습하고, 유망한 조합을 예측 추천
사용자의 실험 피드백을 반영하여 모델이 지속적으로 학습 및 최적화

- 테스트 및 개선
초기 베타 사용자 대상 파일럿 운영을 통해 UX 개선
AI 추천 결과의 과학적 신뢰도 검증을 위한 전문가 리뷰 포함