- News
본론부터 바로 말씀드릴게요! 저희는 Google Summer of Code에서 RDKit을 에 통합하는 프로젝트에 참여할 학생을 찾고 있어요.
이 프로젝트는 다음과 같은 분들의 지원을 받습니다.
- 세계 최대 화학 회사 중 하나
- RDKit의 주요 개발자 중 한 분
이 분들 모두 프로젝트에서 멘토 역할을 해주시기로 했답니다.
관심 있으신 분은 Stefan Armbruster(스테판@neo4j.com)에게 연락 주세요!
RDKit 및 Neo4j
의약 화학, 재료 과학 같은 분야의 학술 및 산업 연구 프로젝트에서는 레시피, 특성, 성능 데이터처럼 성격이 완전히 다른 데이터를 대규모로 축적하는 경우가 많아요. 데이터 양도 엄청나고, 데이터 자체도 복잡해서 연구자들이 프로젝트에서 데이터를 최적으로 결합하기가 쉽지 않죠.
하지만 데이터를 잘 통합하면 성공의 열쇠가 될 수 있어요. 수동으로 데이터를 처리하고 통합하는 건 시간도 오래 걸리고, 오류도 발생하기 쉽고, 지속 가능하지도 않거든요.
Knowledge Graph는 위에서 언급한 데이터 관리 요구 사항을 충족할 수 있는 높은 다양성과 유연성을 가지고 있다는 것이 입증되었어요. 세계적으로 빠르게 성장하는 기업 중 상당수가 '사물' 자체보다 '사물' 간의 관계를 고려하는 것이 더 가치 있다는 걸 깨닫고 성공을 거두고 있죠.
Knowledge Graph의 장점 중 하나는 화학 연구(예: 공정 순서)에서 자주 마주치는 임의의 경로 길이에 대처할 수 있다는 거예요. 게다가 Knowledge Graph 자체는 화학 연구 및 개발에서 흔히 발생하는 복잡한 데이터 상황을 해결하고 정확히 찾아내는 데 도움이 되는 효율적인 소통 수단이 되기도 해요.
Knowledge Graph는 '사물'이 일반적으로 '관계'에 의해 서로 연결된다는 사실에 기반하고 있어요. 관계는 의미론적으로 표현되는데요. 예를 들어 프로세스와 물질은 "제품이 있음"이라는 동사로 연결될 수 있어요. 즉, "프로세스" - ["제품이 있음"] → "물질"인 거죠. 이건 정보 삼중항을 나타내는데, 다른 삼중항과 결합하면 Knowledge Graph라는 네트워크가 만들어지는 거예요. 사실상 모든 것을 이런 네트워크에 매핑할 수 있답니다.