Attempts have been made to predict chemical reactions, but the results show only limited success. In this study, a methodology to predict chemical reactions generally through machine learning was developed. Firstly, the activation energy of the reaction was learned through simple artificial neural network and recurrent neural network. Next, a method of learning how the reaction occurs through reinforcement learning was proposed. The former is the study about quantitative nature of reaction, while the latter is study about qualitative one. This study is meaningful because it is a try to apply to predict reaction directly, without applying templates or rules on reactions.
화학 반응을 예측하는 데에는 많은 시도가 있어왔으나, 그 결과는 확장성이 결여되는 등의 제한된 성공을 보여줄 뿐이었다. 본 연구에서는 기계학습을 통해서 보다 일반적인 반응을 학습할 수 있는 방법론을 개발하였다. 먼저 단순 신경망과 재귀 신경망을 이용해서 반응의 활성화 에너지를 학습하였다. 그 다음으로는 강화학습을 통해 어떻게 반응이 일어나는지를 학습하는 방법을 고안하였다. 전자는 반응의 정량적인 부분을, 후자는 반응의 정성적인 부분을 예측하는 방법이다. 이 연구는 템플릿이나 규칙을 미리 정해놓지 않고 반응을 직접 학습하는 데에서 의미를 가진다.
