화학물질 합성 및 성능 시뮬레이션 도구 가이드

개요

AI 기반 분자 설계와 시뮬레이션 도구를 활용하여 화학물질의 합성 경로 예측, 물성 시뮬레이션, 신규 물질 탐색을 수행하기 위한 환경 가이드입니다. 단백질 구조 예측(AlphaFold) 환경에서 확장하여 4개 분야에 걸친 도구들을 정리합니다.

대상 분야

분야	핵심 목표	대표 도구
🧬 신약/약물 설계	약물 후보 탐색, ADMET 예측, 도킹	AutoDock, DeepChem, AiZynthFinder
🔋 배터리/에너지 소재	전해질 설계, 전극 물질 탐색	VASP, Pymatgen, GNoME
🧪 폴리머/고분자	물성 예측, 중합 시뮬레이션	LAMMPS, PolymerGenome, RDKit
💎 반도체/전자소재	밴드갭 예측, 결정 구조 탐색	Quantum ESPRESSO, AFLOW, MEGNet

시스템 요구사항

항목	최소	권장 (현재 환경)
GPU	8GB VRAM	RTX 5090 24GB ✅
RAM	16GB	64GB+
Storage	100GB	1TB+ (데이터베이스 포함)
CUDA	12.1+	12.4 ✅
OS	Ubuntu 22.04	Ubuntu 22.04 ✅

---

공통 기반 도구 (모든 분야 공통)

모든 분야에서 기초로 사용되는 핵심 도구들입니다. 먼저 이 도구들을 설치한 후 분야별 도구를 추가합니다.

RDKit — 분자 정보학 플랫폼

분자 구조 생성, 조작, 시각화, 물성 계산의 기본 도구입니다.

conda create -n cheminformatics python=3.11 -y
conda activate cheminformatics
conda install -c conda-forge rdkit -y

주요 기능:

• SMILES/SMARTS 기반 분자 표현 및 변환
• 분자 지문(Fingerprint) 계산 및 유사도 검색
• 2D/3D 좌표 생성 및 시각화
• 분자 물성 계산 (분자량, LogP, TPSA 등)
• 서브구조 검색 및 반응 SMARTS

기본 사용 예제:

from rdkit import Chem
from rdkit.Chem import Draw, Descriptors, AllChem

# SMILES로 분자 생성 (아스피린)
mol = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O")

# 물성 계산
print(f"분자량: {Descriptors.MolWt(mol):.2f}")
print(f"LogP: {Descriptors.MolLogP(mol):.2f}")
print(f"수소결합 공여체: {Descriptors.NumHDonors(mol)}")
print(f"수소결합 수용체: {Descriptors.NumHAcceptors(mol)}")

# 3D 좌표 생성
AllChem.EmbedMolecule(mol, AllChem.ETKDG())
AllChem.MMFFOptimizeMolecule(mol)

DeepChem — AI 기반 화학 플랫폼

머신러닝/딥러닝 기반 분자 물성 예측, 독성 예측, 생성 모델을 위한 통합 플랫폼입니다.

pip install deepchem
pip install torch torchvision  # PyTorch 백엔드

주요 기능:

• 분자 물성 예측 (GCN, MPNN, AttentiveFP)
• 독성 예측 (Tox21, ClinTox 데이터셋)
• 용해도, 약물 유사성 예측
• 분자 생성 모델 (VAE, GAN)
• 분자 지문 기반 분류/회귀

ASE (Atomic Simulation Environment) — 원자 시뮬레이션 인터페이스

다양한 시뮬레이터와 연동되는 Python 기반 원자 시뮬레이션 프레임워크입니다.

pip install ase

주요 기능:

• 원자/분자/결정 구조 생성 및 조작
• 다양한 계산기(Calculator) 인터페이스 (VASP, GPAW, Gaussian 등)
• 구조 최적화, 분자 동역학(MD)
• 열역학적 물성 계산

Open Babel — 분자 파일 형식 변환기

conda install -c conda-forge openbabel -y

주요 기능:

• 110+ 화학 파일 형식 간 변환 (SMILES, SDF, MOL2, PDB, CIF 등)
• 3D 좌표 생성, 에너지 최소화
• 명령줄 기반 배치 처리

---

1. 🧬 신약/약물 설계 (Drug Discovery)

약물 후보 물질의 탐색, 합성 경로 예측, 약물-단백질 상호작용 분석을 위한 도구입니다.

1.1 합성 경로 예측

AiZynthFinder — AI 역합성 분석

AstraZeneca에서 개발한 AI 기반 역합성 경로 예측 도구입니다. 목표 분자를 입력하면 합성 가능한 경로를 자동으로 탐색합니다.

conda create -n aizynthfinder python=3.10 -y
conda activate aizynthfinder
pip install aizynthfinder[all]

# 데이터 파일 다운로드
download_public_data /path/to/aizynthfinder/data

주요 기능:

• Monte Carlo Tree Search 기반 역합성 경로 탐색
• 반응 템플릿 기반 변환 예측
• 합성 가능성 점수 (SCScore) 제공
• 다단계 합성 경로 시각화

사용 예제:

from aizynthfinder.aizynthfinder import AiZynthFinder

finder = AiZynthFinder(configfile="config.yml")
finder.target_smiles = "CC(=O)OC1=CC=CC=C1C(=O)O"  # 아스피린
finder.tree_search()
finder.build_routes()

stats = finder.extract_statistics()
print(f"찾은 경로 수: {stats['number_of_routes']}")

IBM RXN for Chemistry — 화학 반응 예측 API

Transformer 기반 화학 반응 예측 서비스입니다 (무료 API 제공).

pip install rxn4chemistry

주요 기능:

• 정방향 반응 예측 (반응물 → 생성물)
• 역합성 분석 (생성물 → 반응물)
• 반응 조건 예측
• 무료 웹 API 제공 (https://rxn.res.ibm.com)

1.2 분자 도킹 (약물-단백질 상호작용)

AutoDock Vina — 분자 도킹

약물 후보 분자가 단백질 활성 부위에 어떻게 결합하는지 예측합니다.

conda install -c conda-forge autodock-vina -y
pip install meeko  # PDBQT 파일 준비 도구
pip install vina   # Python 바인딩

주요 기능:

• 약물-단백질 결합 친화도 예측
• 결합 포즈 탐색 및 시각화
• 가상 스크리닝 (대량 후보 물질 평가)

사용 예제:

from vina import Vina

v = Vina(sf_name='vina')
v.set_receptor("protein.pdbqt")
v.set_ligand_from_file("ligand.pdbqt")
v.compute_vina_maps(center=[0, 0, 0], box_size=[20, 20, 20])
v.dock(exhaustiveness=32, n_poses=10)
v.write_poses("output.pdbqt", n_poses=5)

DiffDock — AI 기반 분자 도킹

MIT에서 개발한 확산 모델(Diffusion Model) 기반 도킹 도구입니다.

git clone https://github.com/gcorso/DiffDock.git
cd DiffDock
conda env create -f environment.yml
conda activate diffdock

주요 기능:

• 결합 부위를 사전에 지정할 필요 없음 (Blind docking)
• 확산 모델 기반 포즈 생성
• AutoDock Vina보다 높은 성공률 보고

1.3 ADMET 예측

ADMETlab / pkCSM — 약물 동태 예측

약물의 흡수(Absorption), 분포(Distribution), 대사(Metabolism), 배설(Excretion), 독성(Toxicity) 예측 도구입니다.

# DeepChem 기반 ADMET 예측
pip install deepchem

# 또는 ADMETlab 웹 서비스 활용
# https://admetmesh.scbdd.com/

주요 예측 항목:

• 경구 생체이용률 (Oral Bioavailability)
• 혈뇌장벽 투과성 (BBB Permeability)
• CYP450 억제/대사 예측
• hERG 독성 (심장 독성)
• Lipinski Rule of Five 평가

1.4 분자 생성 모델

REINVENT — 강화학습 기반 분자 생성

AstraZeneca에서 개발한 강화학습 기반 신규 약물 분자 생성 도구입니다.

git clone https://github.com/MolecularAI/REINVENT4.git
cd REINVENT4
conda env create -f environment.yml
conda activate reinvent4

주요 기능:

• RNN/Transformer 기반 SMILES 생성
• 강화학습으로 원하는 물성 최적화
• 다목적 최적화 (활성 + 독성 + 합성 용이성)
• 스캐폴드 기반 분자 설계

MolGAN — GAN 기반 분자 생성

pip install deepchem  # MolGAN 구현 포함

1.5 신약 설계 워크플로우 요약

[타겟 단백질 선택]
     ↓
[AlphaFold → 단백질 구조 예측]
     ↓
[REINVENT/MolGAN → 약물 후보 분자 생성]
     ↓
[DeepChem → ADMET 물성 예측 & 필터링]
     ↓
[AutoDock Vina/DiffDock → 분자 도킹 시뮬레이션]
     ↓
[AiZynthFinder → 합성 경로 예측]
     ↓
[GROMACS/OpenMM → 분자 동역학 시뮬레이션 (결합 안정성 확인)]

---

2. 🔋 배터리/에너지 소재 (Battery & Energy Materials)

배터리 전해질, 전극 물질, 촉매 소재의 탐색과 성능 시뮬레이션을 위한 도구입니다.

2.1 제일원리 계산 (First-Principles Calculation)

VASP (Vienna Ab initio Simulation Package) — DFT 계산

고체 물질의 전자 구조를 밀도범함수이론(DFT)으로 계산하는 표준 도구입니다.

# 상용 소프트웨어 — 라이선스 필요
# 학술 라이선스: https://www.vasp.at/
# 설치 후 환경 변수 설정
export PATH=/opt/vasp/bin:$PATH

주요 기능:

• 전자 구조 계산 (밴드 구조, 상태 밀도)
• 구조 최적화 및 격자 상수 예측
• 이온 전도도, 확산 경로 계산
• 전압 프로파일 예측 (배터리 전극)

⚠️ 참고: VASP는 상용 소프트웨어입니다. 무료 대안으로 Quantum ESPRESSO를 사용할 수 있습니다.

Quantum ESPRESSO — 오픈소스 DFT 계산

# Ubuntu 패키지 설치
sudo apt install quantum-espresso -y

# 또는 소스 빌드 (GPU 가속)
git clone https://github.com/QEF/q-e.git
cd q-e
./configure --with-cuda=yes
make all

주요 기능:

• 평면파 기반 DFT 계산
• 구조 최적화, 포논 계산
• 밴드 구조, 상태 밀도 (DOS)
• GPU 가속 지원

2.2 소재 데이터베이스 & 탐색

Pymatgen — Materials Project Python API

Materials Project 데이터베이스와 연동되는 소재 분석 Python 라이브러리입니다.

pip install pymatgen mp-api

주요 기능:

• Materials Project DB (15만+ 화합물) 접근
• 결정 구조 생성, 변환, 분석
• 상평형도(Phase Diagram) 계산
• 전기화학 분석 (배터리 전압, 용량)
• 밴드갭, 탄성 계수 등 물성 조회

사용 예제:

from mp_api.client import MPRester
from pymatgen.analysis.phase_diagram import PhaseDiagram, PDPlotter

# Materials Project API 키 필요 (무료 등록)
with MPRester("YOUR_API_KEY") as mpr:
    # LiFePO4 (리튬인산철 배터리 양극재) 검색
    docs = mpr.materials.summary.search(
        formula="LiFePO4",
        fields=["material_id", "formula_pretty", "band_gap", "energy_above_hull"]
    )
    for doc in docs:
        print(f"{doc.formula_pretty}: 밴드갭={doc.band_gap:.2f} eV")

GNoME (Google DeepMind) — AI 신소재 탐색

Graph Neural Network 기반 신소재 결정 구조 탐색 도구입니다. 2024년 Nature에 발표되어 220만개의 안정한 결정 구조를 예측했습니다.

git clone https://github.com/google-deepmind/materials_discovery.git
cd materials_discovery
pip install -e .

주요 기능:

• GNN 기반 결정 구조 안정성 예측
• 신규 결정 구조 생성
• 에너지/안정성 기반 후보 필터링
• Materials Project DB와 통합

2.3 분자 동역학 (배터리 전해질 시뮬레이션)

LAMMPS — 대규모 분자 동역학

# Ubuntu 패키지 설치
sudo apt install lammps -y

# 또는 GPU 가속 빌드
git clone https://github.com/lammps/lammps.git
cd lammps
mkdir build && cd build
cmake ../cmake -D PKG_GPU=on -D GPU_API=cuda
make -j$(nproc)

주요 기능:

• 대규모 원자/분자 시스템 MD 시뮬레이션
• 전해질 이온 전도도 계산
• 계면 특성 분석 (전극-전해질)
• ReaxFF 반응 시뮬레이션
• GPU(CUDA) 가속 지원

GROMACS — GPU 가속 MD 시뮬레이션

sudo apt install gromacs -y

# GPU 가속 빌드
sudo apt install gromacs-gpu -y

주요 기능:

• 고속 GPU 가속 MD 시뮬레이션
• 전해질 용매화 구조 분석
• 자유 에너지 계산
• 이온 확산 계수 계산

2.4 배터리 시뮬레이션 전용 도구

PyBaMM — 배터리 모델링

Python 기반 배터리 수학 모델링 프레임워크입니다.

pip install pybamm

주요 기능:

• SPM (Single Particle Model), DFN 모델
• 충방전 프로파일 시뮬레이션
• 열 거동 분석
• 열화 모델링

사용 예제:

import pybamm

model = pybamm.lithium_ion.DFN()
sim = pybamm.Simulation(model)
sim.solve([0, 3600])  # 1시간 시뮬레이션
sim.plot()

2.5 배터리 소재 탐색 워크플로우 요약

[Materials Project DB → 후보 소재 탐색 (Pymatgen)]
     ↓
[GNoME → 신규 결정 구조 생성/안정성 예측]
     ↓
[Quantum ESPRESSO/VASP → DFT 전자 구조 계산]
     ↓
[Pymatgen → 전압 프로파일, 상평형도 분석]
     ↓
[LAMMPS/GROMACS → 이온 전도도, 확산 MD 시뮬레이션]
     ↓
[PyBaMM → 셀 레벨 성능 시뮬레이션]

---

3. 🧪 폴리머/고분자 (Polymer Science)

고분자 물질의 물성 예측, 중합 시뮬레이션, 신규 폴리머 설계를 위한 도구입니다.

3.1 폴리머 물성 예측

Polymer Genome — AI 폴리머 물성 예측

머신러닝 기반 폴리머 물성 예측 플랫폼입니다 (Georgia Tech 개발).

# 웹 서비스 제공
# https://www.polymergenome.org/

# Python API
pip install polygnn  # Polymer Graph Neural Network

주요 예측 물성:

• 유리전이온도 (Tg)
• 밴드갭
• 유전 상수
• 열전도율
• 용해도 파라미터

polyBERT — 트랜스포머 기반 폴리머 표현

pip install polyBERT

주요 기능:

• PSMILES (Polymer SMILES) 기반 폴리머 표현
• 사전학습된 트랜스포머로 폴리머 임베딩 생성
• 다운스트림 물성 예측 파인튜닝

3.2 분자 동역학 시뮬레이션

LAMMPS — 폴리머 MD 시뮬레이션

# 폴리머 전용 패키지 포함 빌드
cd lammps/build
cmake ../cmake -D PKG_MOLECULE=on -D PKG_KSPACE=on -D PKG_RIGID=on
make -j$(nproc)

폴리머 관련 주요 기능:

• 폴리머 체인 생성 및 평형화
• 기계적 물성 계산 (인장 강도, 탄성 계수)
• Tg 예측 (냉각 시뮬레이션)
• 결정화 시뮬레이션
• 폴리머 블렌드 상분리

Moltemplate — LAMMPS 입력 파일 생성기

pip install moltemplate

주요 기능:

• 복잡한 폴리머 체인 토폴로지 자동 생성
• 반복 단위 기반 폴리머 구조 구축
• LAMMPS 데이터 파일 자동 변환
• 다양한 역장(Force Field) 지원

3.3 양자화학 수준 계산

ORCA — 무료 양자화학 패키지

# 학술용 무료 다운로드
# https://orcaforum.kofo.mpg.de/
# 다운로드 후:
tar -xf orca_5_0_4_linux_x86-64_shared_openmpi411.tar.xz
export PATH=/opt/orca:$PATH

주요 기능:

• DFT, HF, MP2, CCSD(T) 계산
• 단량체/소량체 반응 에너지 계산
• UV-Vis 스펙트럼 예측
• NMR 화학적 이동 계산
• 병렬 계산 지원

Gaussian — 표준 양자화학 패키지

# 상용 소프트웨어 — 라이선스 필요
# https://gaussian.com/

3.4 폴리머 정보학

RDKit + BigSMILES — 폴리머 표현

from rdkit import Chem

# 단량체 구조 (스타이렌)
styrene = Chem.MolFromSmiles("C=Cc1ccccc1")

# 폴리머 반복 단위 표현
# BigSMILES 표기법: {[]CC(c1ccccc1)[]}
# 폴리스타이렌의 반복 단위
repeat_unit = Chem.MolFromSmiles("CC(c1ccccc1)")

3.5 폴리머 설계 워크플로우 요약

[RDKit → 단량체/반복 단위 설계]
     ↓
[Polymer Genome / polyBERT → 물성 예측 (Tg, 밴드갭 등)]
     ↓
[ORCA → 단량체 반응성, 에너지 계산]
     ↓
[Moltemplate → 폴리머 체인 구조 생성]
     ↓
[LAMMPS → MD 시뮬레이션 (기계적 물성, Tg)]
     ↓
[DeepChem → ML 기반 스크리닝 & 최적화]

---

4. 💎 반도체/전자소재 (Semiconductor & Electronic Materials)

반도체 물질의 밴드갭 예측, 결정 구조 탐색, 전자 수송 특성 분석을 위한 도구입니다.

4.1 제일원리 전자 구조 계산

Quantum ESPRESSO — DFT 전자 구조

# 반도체 관련 주요 계산
# pw.x: Self-consistent field (SCF) 계산
# bands.x: 밴드 구조 계산
# dos.x: 상태 밀도 계산
# ph.x: 포논 계산
# pp.x: 후처리 (전하 밀도, 파동 함수 시각화)

반도체 분석 주요 기능:

• 밴드 구조 및 밴드갭 계산
• 유효 질량 추출
• 상태 밀도 (DOS, PDOS)
• 유전 함수, 광학 스펙트럼
• 포논 분산 관계

GPAW — GPU 가속 DFT

pip install gpaw
gpaw install-data  # 의사 포텐셜 데이터

주요 기능:

• 실공간/평면파/LCAO 기저 함수 지원
• GW 근사 (정확한 밴드갭)
• 시간의존 DFT (TD-DFT, 광학 특성)
• ASE와 완벽 통합

4.2 소재 데이터베이스 & ML 탐색

AFLOW — 자동화 소재 탐색 프레임워크

Duke University에서 개발한 고처리량(high-throughput) 소재 계산 프레임워크입니다.

pip install aflow

주요 기능:

• 360만+ 화합물 데이터베이스
• REST API 기반 데이터 접근
• 밴드갭, 탄성 계수, 열역학 물성 조회
• 자동화된 DFT 계산 워크플로우
• 머신러닝 물성 예측 (AFLOW-ML)

사용 예제:

import aflow
from aflow import K  # Keyword 모듈

# 밴드갭 1~2 eV인 반도체 검색
results = aflow.search().filter(
    K.Egap > 1.0,
    K.Egap < 2.0,
    K.nspecies == 2  # 이원계 화합물
).select(
    K.compound, K.Egap, K.crystal_system
)

for material in results:
    print(f"{material.compound}: 밴드갭={material.Egap:.2f} eV")

MEGNet — Graph Neural Network 소재 물성 예측

pip install megnet

주요 기능:

• 결정 구조 → 그래프 변환 → 물성 예측
• 밴드갭, 형성 에너지, 탄성 계수 예측
• Materials Project 데이터로 사전학습
• 전이학습 가능

ALIGNN — Atomistic Line Graph Neural Network

NIST에서 개발한 최신 GNN 기반 소재 물성 예측 도구입니다.

pip install alignn

주요 기능:

• 결정 구조 기반 물성 예측 (SOTA 성능)
• 밴드갭, 형성 에너지, 열전도율 등
• JARVIS 데이터베이스 연동
• 50+ 물성 사전학습 모델 제공

4.3 전자 수송 특성

BoltzTraP2 — 볼츠만 수송 이론

DFT 밴드 구조 데이터에서 전자 수송 특성을 계산합니다.

pip install BoltzTraP2

주요 기능:

• 전기 전도도, 제벡 계수 계산
• 열전도율 (전자 기여분)
• 열전 성능지수 (ZT) 평가
• 온도 의존성 분석

Wannier90 — 맥시멀 국소화 와니어 함수

git clone https://github.com/wannier-developers/wannier90.git
cd wannier90
make

주요 기능:

• DFT 결과에서 타이트바인딩 해밀토니안 추출
• 정밀한 밴드 보간
• 베리 위상, 토폴로지 불변량 계산
• 표면 상태 계산

4.4 반도체 공정 시뮬레이션

DEVSIM — 반도체 소자 시뮬레이션

pip install devsim

주요 기능:

• TCAD 수준 소자 시뮬레이션
• 드리프트-확산 방정식 풀기
• PN 접합, MOSFET 시뮬레이션
• I-V 특성, C-V 특성

4.5 반도체 소재 탐색 워크플로우 요약

[AFLOW/Materials Project → 후보 소재 데이터베이스 탐색]
     ↓
[MEGNet/ALIGNN → ML 기반 물성 스크리닝 (밴드갭, 안정성)]
     ↓
[Quantum ESPRESSO/GPAW → DFT 전자 구조 정밀 계산]
     ↓
[Wannier90 → 타이트바인딩 모델 추출]
     ↓
[BoltzTraP2 → 전자 수송 특성 계산]
     ↓
[DEVSIM → 소자 레벨 시뮬레이션]

---

분야별 도구 비교 매트릭스

오픈소스 여부 & GPU 가속 지원

도구	분야	오픈소스	GPU 가속	Python API	난이도
RDKit	공통	✅	❌	✅	⭐⭐
DeepChem	공통	✅	✅	✅	⭐⭐
ASE	공통	✅	❌	✅	⭐⭐
AiZynthFinder	신약	✅	✅	✅	⭐⭐⭐
AutoDock Vina	신약	✅	❌	✅	⭐⭐
DiffDock	신약	✅	✅	✅	⭐⭐⭐
REINVENT	신약	✅	✅	✅	⭐⭐⭐⭐
VASP	배터리	❌ (상용)	✅	✅	⭐⭐⭐⭐
Quantum ESPRESSO	배터리/반도체	✅	✅	✅	⭐⭐⭐⭐
Pymatgen	배터리	✅	❌	✅	⭐⭐
GNoME	배터리	✅	✅	✅	⭐⭐⭐
LAMMPS	배터리/폴리머	✅	✅	✅	⭐⭐⭐
GROMACS	신약/배터리	✅	✅	✅	⭐⭐⭐
PyBaMM	배터리	✅	❌	✅	⭐⭐
Polymer Genome	폴리머	✅ (웹)	❌	✅	⭐
ORCA	폴리머	✅ (학술)	❌	❌	⭐⭐⭐⭐
AFLOW	반도체	✅	❌	✅	⭐⭐
MEGNet	반도체	✅	✅	✅	⭐⭐⭐
ALIGNN	반도체	✅	✅	✅	⭐⭐⭐
BoltzTraP2	반도체	✅	❌	✅	⭐⭐⭐
DEVSIM	반도체	✅	❌	✅	⭐⭐⭐

추천 시작 순서

전 분야를 아우르는 학습 로드맵입니다:

Phase 1 — 공통 기반 (1~2주)
├── RDKit 설치 및 분자 표현 기초
├── DeepChem 설치 및 ML 물성 예측 기초
└── ASE 설치 및 원자 시뮬레이션 기초

Phase 2 — 분야별 탐색 (분야당 2~3주)
├── 신약: AiZynthFinder → AutoDock Vina → REINVENT
├── 배터리: Pymatgen → Quantum ESPRESSO → PyBaMM
├── 폴리머: Polymer Genome → LAMMPS → ORCA
└── 반도체: AFLOW → ALIGNN → Quantum ESPRESSO

Phase 3 — 고급 시뮬레이션 (분야당 4주+)
├── 신약: DiffDock + GROMACS MD
├── 배터리: VASP DFT + LAMMPS MD
├── 폴리머: LAMMPS 대규모 MD + ORCA 양자화학
└── 반도체: Wannier90 + BoltzTraP2 수송 계산

---

참고 자료

데이터베이스

데이터베이스	URL	설명
Materials Project	https://materialsproject.org	15만+ 무기 화합물
AFLOW	https://aflow.org	360만+ 화합물
JARVIS	https://jarvis.nist.gov	NIST 소재 데이터
ChEMBL	https://www.ebi.ac.uk/chembl/	생물활성 약물 데이터
ZINC	https://zinc.docking.org	가상 스크리닝용 분자 DB
PubChem	https://pubchem.ncbi.nlm.nih.gov	1.1억+ 화합물
Polymer Genome	https://www.polymergenome.org	폴리머 물성 DB
COD	https://www.crystallography.net	결정 구조 DB

온라인 학습 리소스

리소스	URL	설명
DeepChem Tutorials	https://deepchem.io/tutorials	AI 화학 튜토리얼
Materials Project Workshop	https://workshop.materialsproject.org	소재 정보학 워크숍
Quantum ESPRESSO School	https://www.quantum-espresso.org/resources/tutorials	DFT 계산 튜토리얼
LAMMPS Tutorials	https://docs.lammps.org/Tutorials.html	MD 시뮬레이션 튜토리얼

---

환경 구성 요약

현재 시스템(RTX 5090 24GB, Ubuntu)에서 권장하는 conda 환경 구성:

# 1. 공통 기반 환경
conda create -n cheminformatics python=3.11 -y
conda activate cheminformatics
conda install -c conda-forge rdkit openbabel -y
pip install deepchem ase

# 2. 신약 설계 환경
conda create -n drugdesign python=3.10 -y
conda activate drugdesign
pip install aizynthfinder[all] vina meeko deepchem

# 3. 소재 과학 환경
conda create -n materials python=3.11 -y
conda activate materials
pip install pymatgen mp-api megnet alignn pybamm

# 4. 분자 동역학 환경
conda create -n molsim python=3.11 -y
conda activate molsim
pip install gromacs lammps-python ase
sudo apt install gromacs-gpu lammps -y

# 5. 양자화학 환경
conda create -n quantumchem python=3.11 -y
conda activate quantumchem
pip install ase gpaw BoltzTraP2
sudo apt install quantum-espresso -y

---

라이선스 정보

도구	라이선스	비용
RDKit	BSD	무료
DeepChem	MIT	무료
LAMMPS	GPL	무료
GROMACS	LGPL	무료
Quantum ESPRESSO	GPL	무료
ORCA	학술 무료	학술 무료 / 상용 유료
VASP	상용	유료 (학술 할인)
Gaussian	상용	유료

---

Note: 이 문서는 AlphaFold/ColabFold 단백질 구조 예측 환경에서 화학물질 합성 및 시뮬레이션으로 확장하기 위한 가이드입니다. 각 도구의 상세 설치 및 사용법은 별도 문서로 정리할 예정입니다.