지금도 모든 실험을 컴퓨터로 하는건 아닙니다. 컴퓨터로 실험하는 연구실을 dry lab이라고 하고, 실험하는 연구실을 wet lab이라고 하며, wet lab 또한 엄청 많습니다. 실험을 해야지 확인할 수 있는 것들이 많은 만큼 미래에도 dry lab과 wet lab이 모두 필요할 것 입니다. 양자역학을 컴퓨터로 풀 수 있는 것이 알려지고 컴퓨터를 더 많이 사용하는 만큼 컴퓨터를 활용할 여지가 알려지는 분야에서 컴퓨터가 더욱 많이 활용될 수 있을 것 입니다.

때문에 컴퓨터 화학 실험에서 최대한 변수를 잘 통제하고, 원하는 환경을 정확이 모델링해야 좀 더 의미있는 결과를 얻을 수 있을 것 입니다. 또한 시뮬레이션으로 모든걸 설명할수는 없습니다. 당장 입자수가 많아지거나, 근사가 많아지만 오차가 커질 수 있으니까요.

화학에서 충분히 실험을 통해 검증할 수 있는 것으로 보입니다. 교수님 영상에서도 이산화탄소와의 결합 정도를 확인했고요. 컴퓨터 화학을 통해서 우리가 보지 못하는 미시세계를 볼 수 있는 만큼 충분히 의미있고, 앞으로도 계속 사용할 것으로 생각됩니다.

저도 궁금해서 화학하는 사람과 물리하는 사람에게 물어봤는데, 서로 자기 분야라고 합니다. 우리가 중학교 화학 원자구조 시간에 배우는 톰슨, 러더포드, 보어와 같은 사람들도 본인들은 물리학자라고 말했다고 하고, 양자역학의 경우 대학에서는 일반화학 시간에 배웁니다. 주변 물리 박사님은 본인이 맨날 하는게 양자역학 푸는건데 이게 물리가 아니면 뭐냐고 하고요. 현대에는 구분이 모호한 것 같습니다.

시뮬레이션을 통한 결과가 실제 환경에서의 존재를 보장하지는 않습니다. 또한 교수님 영상에서 이산화탄소와 결합하기 좋은 물질이 실제로 이산화탄소와 결합하는지, 그 결합 구조가 예측한 것과 같은지는 확인하기 어렵습니다. 다만 실험 결과를 통해서 컴퓨터 화학을 통해서 세운 가설을 충분히 검증할 수 있다고 할 수 있습니다. 다만 과거에는 신속한 실험 진행이 어렵고 이론적인 모델도 제한적이었기 때문에 이러한 가설을 세우기도 어려웠을 것 입니다.

제약/바이오 분야에서 컴퓨터 화학이 분명 도움이 될 것입니다. 약의 작용에는 우리 몸의 수용체나 단백질, 항원들과 결합할 수 있는지의 여부가 중요하니까요. 타겟하는 물질과 충분히 결합할 수 있는 후보물질을 미리 추릴 수 있겠지요. 다만 수익을 내기 위해선 시판을 해야 할텐데, 임상실험을 포함한 실제 실험 없이는 완제품 만들기는 어려워 보입니다. 해당 물질이 우리 몸에서 어떻게 작용할지 모르니까요. 아스피린도 몸살때 먹는 것이 목적이었지만, 최근 들어 심장병 예방의 효능이 있다는 것이 밝혀진 것 처럼 실험 없이 효능/부작용을 파악하는 것은 어려워 보입니다.

컴퓨터를 통한 양자역학 실험의 목적은 우리가 확인할 수 없는 미시세계를 컴퓨터 시뮬레이션을 통해 중간 과정까지 하나하나 봐보자는 것 입니다. 이를 물론 교육에 활용할수는 있겠지만 굳이 실제 실험을 통해서 확인할 수 있는 것을 불필요한 일을 반복하지 않기 위해 컴퓨터로 하는 느낌은 아닙니다. 또한 우리가 실험해보지 않은 것이라도 충분히 기존 지식을 통해 시뮬레이션 해볼 수 있을 것 같습니다. 또한 설사 실제 결과와 다르게 나오더라도 저라면 프로그램과 계산식을 불신하기보단 실험과정에서 실수한 부분이 있는지, 모델링을 잘못한게 아닐지 생각할 것 같습니다. 

가능해보입니다. 양자역학 관련 프로그램을 통해서 결합구조나 안정성 등을 충분히 계산할 수 있지 않을까 생각이 듭니다. 이를 통해서 실험적으로 합성하기 어려운 물질들의 가능성을 탐구하고, 그들의 화학적, 물리적 특성을 예측하는 것이 목표일 것이고요.
다만 이러한 결과들이 실제값을 정확히 나타내는 것이 아닌 만큼 추가 실험이 필요할 것 입니다.

  비밀 댓글 입니다.

그 물질의 특징과 화학적인 성질을 미리 알고 있다면 100% 확실한 결과는 알 수 없지만, 어떤식으로 결합되어있을 것이고 확률이 어느정도인지는 알 수 있을 것으로 생각됩니다

  비밀 댓글 입니다.

  비밀 댓글 입니다.

모델링의 경우 지금까지 알려진 사실을 바탕으로 합니다. 아무도 모르는 내용을 컴퓨터가 알고 있으리라 가정하고 모델링하기란 사실상 불가능합니다. 다만 미시세계에서는 슈뢰딩거 방정식이 있는 만큼 많은 경우 주어진 상황에 대해서 어떤 일이 발생할 수 있을지 시뮬레이션할 수 있을 것 같습니다.

당연히 가능할 것 같습니다. 사실상 이러한 경우에는 이론적인 부분에서 해당 원소의 성질 대부분을 유추한 뒤 이후 필요한 실험을 설계할 것 같습니다. 또한 그 주목할만한 특성이 예상된다면 더욱 최선을 다해서 생산을 해보고, 실험을 통해서 효과를 검증할수도 있겠지요. 이러한 부분은 사실상 컴퓨터와 양자역학이 없다면 예측할 방법이 없어 보입니다. 오가네손을 만드는것도, 만들어서 실험하는것도 사실상 불가능이니까요.

TFQ는 양자 시뮬레이션과 관련된 작업을 수행하기 위한 도구로, TFQ를 사용하면 양자 컴퓨터에서 얻은 데이터를 활용하여 머신 러닝 모델을 구축하거나, 양자 시뮬레이션을 통해 양자 시스템을 모델링하여 향상된 결과를 얻을 수 있습니다. TFQ를 이용하면 양자 컴퓨팅과 머신 러닝을 함께 사용하여 양자 시스템의 특성을 이해하거나, 양자 기기를 사용하여 문제를 해결할 수 있는 방법을 연구할 수 있습니다. 마찬가지로 컴퓨터 화학 분야에서도 사용가능한데, 분자구조에 대한 양자 시뮬레이션을 통해 분자의 안정성, 에너지, 반응성 등을 이해하고 최적화할 수 있고, 화학 메커니즘도 모델링 및 분석할 수 있다고 합니다.

실험 결과만 보면 이해하기 어려운 경우가 많습니다. 예전에도 아플때 특정 한약재를 먹으면 건강해질 수 있는건 알았지만 그 원리까지 제대로 설명하지는 못했으니까요. 계속해서 이해해가는거죠. 해당 물질이 어떻게 활용될 수 있는지에 대한 확신은 없을 것 입니다. 약들을 보아도 진통 및 해열 목적으로 개발된 아스피린이 심혈관계 질환을 예방하는 용도로 사용될줄은 아무도 몰랐을 꺼에요. 마찬가지로 컴퓨터로 지금까지 알지 못하는 특성을 알 수 있는건 당연합니다. 우리가 모르는게 너무 많으니까요.

양자화학에서 계산은 각 원소들의 특성으로 하는게 아닙니다. 양성자, 중성자, 전자 등의 입자의 특성에 따라서 슈뢰딩거 방정식을 푸는것으로 알고 있습니다. 따라서 익숙하지 않은 원소라도 상관 없어 보입니다.

우연한 계기로 발견된 것들도 많지만, 많은 것들은 설사 모티베이션은 우연하게 얻을지 몰라도 그에 따른 가설을 세우고 검증하는 부분에 대해서는 여러가지 절차(실험 등)가 필요합니다. 시뮬레이션도 그러한 툴 중 하나라고 생각합니다.

컴퓨터로 양자화학 문제를 푸는 것은 양자역학이라는 법칙 아래에서 가정에 여러 가정 아래 다음과 같은 결과가 나온다는 것이기에 의미있는 결과라고 생각합니다. 실제 상황과 동일하게 모델링할수는 없겠지만 그러한 상황이 발생한다면 그와 같은 결과가 나온다는 의미이니까요.

  비밀 댓글 입니다.

현재 가지고 있는 문제점인 입자수에 따른 계산량, 오차 범위등을 모두 극복할 수 있다면 당연히 가능하겠지만 현실적으로 힘들 것 같습니다. 원자의 개수가 몇백개인 고분자에 대해서도 계산이 어려운데, 모든 실험을 하기 위한 범위에서는 원자의 개수가 무지막지하게 많으니까요.

지금까지 단세포 생물들이나 예쁜꼬마선충 정도까지만 DNA 구조가 완전히 밝혀졌고, 심지어 예쁜꼬마선충도 아직 시냅스의 연결 정도 등에 대해서는 파악하지 못한 상태입니다. 그런 상황에서 인간이나 다른 고등생물을 시뮬레이션으로 구현하지는 못할 것이라고 생각합니다.

컴퓨터 시뮬레이션으로 동물실험을 대체하여 위험성이 없다는 결론이 나오기 어려울 것 같습니다. 우리 몸을 완벽하게 모델링하고 있지 않기에 약이 어느 부위에서 어떻게 작용할지 모를 뿐더러 이렇게 입자가 많은 경우에 대해서는 실험을 진행하기도 어려우니까요.

증명가능하다는 말 자체가 이미 더이상 볼 필요가 없는 것이기에 말을 바꿔서, 시뮬레이션으로 충분히 많이 보여졌지만, 실제로 어떻게 될지 모르는 상황에 대해 생각해보겠습니다. 해당 결과가 의미있는 결과라면 실험적으로 가능한 환경에서 실험하고자 할 것 같습니다. 입자가속기 등을 활용해서 실험할 수 있는 환경에 의뢰를 해서 실험할수도 있을 것 같습니다.

현재의 암호화 방식은 무지막지한 계산이 가능한 양자컴퓨터가 사용된다면 뚫릴 수 있다고 합니다. 현재 주로 사용되는 RSA나 ECC와 같은 암호화 방식은 소인수 분해 문제를 기반으로 하고 있는데, 양자 컴퓨팅의 특수성으로 인해 이러한 암호화 방식들을 상대적으로 빠르게 해독할 수 있을 수 있으니까요. 그러면 이에 맞춰서 기존 시스템을 바꿔야 하겠지요. 지금과 비슷하지만 더욱 무지막지한 계산량을 필요로 하도록 바꿔서 산술적으로 불가능하도록 할 수도 있고, 아니면 지금의 방식과는 전혀 다른 방식이 나올수도 있을 것 같습니다.

실험중에 발생할 수 있는 여러 변수도 예측하는 기술이 필요하다고 생각합니다.

이번 질문다락방 주제인 양자화학의 관점에서 보자면 컴퓨터로 우리가 보지 못하는 것들을 보면서 할 수 있는 것들이 많아졌습니다. 서로 다른 분자들이 어떻게 상호작용할지에 대해 더 자세히 볼 수 있는 만큼 물질과 물질사이 결합이 중요한 부분 (ex 신약개발 등) 에서 할 수 있는 일이 많아졌지요. 실험에서 발생하는 변수를 통제하기 쉽기에 또 컴퓨터로 진행하는 실험이 좋을 것 입니다.

현실에서의 실험과 같습니다. 사실 실수할 때 아는것은 문제가 되지 않습니다. 바로 고치거나 재실험하면 되니까요. 다만 뒤늦게 알았을 때 원인을 찾는것이 힘든데, 그건 실험에서도 마찬가지입니다. 사실 이 부분에서는 컴퓨터가 더 찾기 쉽지요. 실험에서는 중간 모든 과정을 기록할수는 없지만 컴퓨터는 로그를 남기면 모든것을 기록할 수 있으니까요. 

정확한 입력값을 넣어줄수록 좀 더 정밀한 예측값이 나올 것 입니다. 온도에 따른 입자의 에너지 분포가 달라지는 만큼 당연히 고려해야 합니다.

컴퓨터 화학은 기존 실험을 대체하는 개념이 아니라 상호 보완적인 관계입니다. 목적에 맞게 적절한 방법을 사용하는 것이 중요합니다. 교수님 영상에서와 같이 이산화탄소와 잘 결합하는 물질을 찾는데에는 아무래도 컴퓨터 시뮬레이션이 더 도움될 것 입니다.

양자역학에서 운동량과 위치가 특정되지 않는 만큼 무조건 같은 결과가 나온다고 장담할수는 없습니다. 실험을 통해 이를 확인하기 어려운 만큼 컴퓨터 시뮬레이션을 통해서 소수의 케이스도 확인하는 것은 의미 있을 것 입니다.

지금까지 이론으로 설명되는 현상이라면, 실험을 정확하게 수행하고 컴퓨터에도 정확한 입력값을 넣어줬다면 동일한 결과가 나올 것 입니다. 다만 시뮬레이션의 목적이 미래를 예측하는 것이 아니라, 그 과정에서 발생하는 중간물질을 확인하고 세팅이 어려운 실험을 반복할 수 있도록 해주는 만큼 충분히 의미있는 결과일 것 입니다.

양자 엔탕글먼트는 양자물리학에서 중요한 현상으로, 두 개 이상의 양자 시스템이 상호작용하여 그 상태가 서로 뒤섞이는 현상을 말합니다. 이는 양자컴퓨터를 구성하는 양자 비트의 핵심으로, 양자 비트가 0과 1 뿐만 아니라 그 둘이 중첩된 상태 또한 있는데, 해당 내용이 양자컴퓨팅의 핵심입니다. 아래 링크를 확인하면 좋을 것 같습니다.
https://aws.amazon.com/ko/what-is/quantum-computing/
 

KAIST 멘토님이 말씀해주셨듯이 시뮬레이션 구축은 가능할 듯 합니다! 현재 알려진 양자역학 이론을 사용한다면 오늘날 설계할 수 있는 실험은 시뮬레이션으로도 구현할 수 있을 것이라 생각됩니다. 다만 불확실성은 어떻게 구현될지, 그 과정은 어떨지는 저도 궁금합니다.

다만 아원자 차원의 시뮬레이션의 용도가 분자의 성질을 연구하는데에만 국한되지는 않을 것 같습니다. 충분히 자세하게 설계된 시뮬레이션이 있다면 다양한 용도가 있으리라 생각합니다.

인류 역사상 소재의 조작에 있어서 점점 더 작은 차원에서, 더 정교하게 원하는 효과를 내고자 하는 성향이 있는 것 같습니다. 가죽에서 시작해 천으로, 천에서 종이로 주변에 있는 소재를 원하는 성질을 가지도록 바꾸는 능력이 발전하는 것입니다. 21세기 초반에는 탄소 분자의 구조를 조작해 그래핀을 생성하기도 했습니다. 1937년 자연적으로는 극소량으로만 존재하는 테크네튬의 인공 생성을 시작으로 현재까지 39가지 원소를 인공적으로 생성하였습니다. 테크네튬의 경우 뼈, 심장과 뇌의 구조를 외부에서 스캐닝하는 것에 흔히 사용되고 있습니다.

인공원소의 생성의 비용과 자원은 제한적이며, 반감기 역시 매우 짧기 때문에 상대적으로 효율적인 시뮬레이션을 통해 그성질과 용도를 미리 예측할 수 있다면 큰 도움이 될 것이라 생각합니다. 또한, 새로운 원소의 stability island를 예측 및 계산하는 것에도 도움을 줄 수 있으리라 생각합니다.

원자 수준의 상호작용을 보기 위해선 사실 원자의 구성요소인 전자와 핵을 고려해야 합니다. 따라서 이미 원자보다 작은 스케일(전자, 핵)을 계산하는 것 입니다. 

시뮬레이션으로 수많은 준비 과정이 단축되어, 가설증명 혹은 실험에 대해 가볍게 접근할 수 있게 되므로, 지금보다 더 많은 가설이 증명되고 많은 이론이 확인될 것입니다.
이는 곧 화학이라는 학문이 발전한다고도 할 수 있을 것 같다고 생각합니다!

실제 실험을 수행하는 데는 많은 비용과 시간이 소요되지만, 시뮬레이션을 사용하면 빠르게 다양한 조건에서 실험을 수행하고 결과를 얻을 수 있습니다. 따라서 이는 연구자들이 가설을 즉시 확인하고 새로운 개념을 탐색하는 데 기여를 할 수 있을 것이라 생각합니다.

네 가능합니다. 영상에서 나온 바와 같이 실제로 확인하기 힘든 중간물질을 확인해서 화학 반응에 대한 이해도를 높일수도 있고, 발생하는 현상의 결과를 분석하면서 그 속에 들어있는 의미 또한 파악할 수 있을 것 같습니다.

충분히 가능합니다. 교수님 영상에서도 이산화탄소가 더 잘 결합할 수 있도록 하는 물질을 컴퓨터 시뮬레이션을 통해서 찾았고, 실험을 통해서 확인한 것 이니까요. 

너무 포괄적인 질문이어서 답변하기 힘들긴 한데, 해당 분야에 대한 연구도 많이 있습니다. Model confidence라는 분야인데, 모델이 낸 답을 얼마나 신뢰할 수 있는지에 대한 연구입니다. 

시뮬레이션은 지금까지의 과학 이론을 바탕으로 합니다. 당연히 지금까지 이론이 설명하지 못하는 현상 또한 실제와 동일하게 보여주지는 못할 것 입니다. 때문에 무조건적으로 신뢰하기는 어려울 것 입니다. 다만 어느정도 기존 이론이 설명하는 범위내에서는 신뢰할 수 있을 것이고, 상황을 정확히 입력했을 때 실제와 다른 결과가 나온다면 그것 또한 의미가 있는 발견이라고 생각합니다.

통계치가 기존 가설을 지지하는지 확인하기 위한 방법에는 여러가지가 있습니다. 대표적으론 Welch의 T 검정 등이 있는데, 가정하는 분포에 따라서 실제 값이 나온 사건의 발생 빈도를 p 값을 통해 확인할 수 있습니다.

AI는 이미 계산화학 분야에서 다양한 방식으로 활용되고 있으며, 대게 더 빠르고 효율적인 방법으로 화학적 현상을 이해하고 예측하는 데 도움을 줍니다. 다양하게 이용되곤 하지만, 가장 대표적인 예시로는 알파폴드(alphafold)가 있습니다. 일반적으로 고려해야 하는 부분이 많아서 예측하기 힘든 단백질 구조를 AI를 통해서 예측하고자 하는 프로젝트입니다.

아래 기사를 참고하면 좋을 것 같아요.

https://www.hankyung.com/article/2022080223201

두가지 방향이 있을 것 같습니다. 먼저 컴퓨터의 성능이 혁신적으로 발달한다면 시간을 줄일 수 있을 것 입니다. 당장 현재 사용하고 있는 암호 체계도 기존의 컴퓨터로는 필요한 계산량이 많아서 안뚫리지만 양자컴퓨터가 생긴다면 뚫릴 가능성이 높다고 하니까요. 다른 방법으론 좀 더 혁신적인 이론이 나와 필요한 계산량을 줄일 수 있다면 계산시간을 줄일 수 있을 것 입니다. 2013년도 CHARMM을 개발한 연구진이 노벨상을 받은것도 자유전자인 파이전자에는 양자역학을 적용하고, 원자 간 결합에 이용되는 시그마 전자와 원자핵에는 고전물리학인 뉴턴역학을 적용해서 계산량을 줄인 것 이니까요.

그 둘은 서로 보완하는 관계라고 생각합니다. 실험을 통해서 얻을 수 있는 부분도 있고, 컴퓨터 계산을 통해서 얻을 수 있는 부분도 있으니까요. 상황에 맞게 적절한 방법을 사용해서 아이디어를 얻고, 가설을 세운다면 좋을 것 같습니다.

생체내에서 가장 단순한 입자중 하나인 포도당이 원자가 24개입니다. 당연히 쉽지 않겠지요. 다만 시뮬레이션을 통해 확인하고자 하는 부분을 최대한 단순화시켜서 계산한다면 충분히 가능합니다. 예를 들어 특정 구조에 결합하는 물질을 찾는다고 합니다. (신약 개발 등에서 활용되겠지요) 그렇다면 목표로 하는 부위를 모델링하고, 확인하고자 하는 물질에서 타게팅하는 부위를 모델링한다면 충분히 계산 가능한 영역으로 단순화할 수 있어 보입니다.

계산화학이 궁극적으로 실제 실험을 대체할 수 있다면 화학자들은 편하겠지만 실제로 그러하기는 어려울 것 같습니다. 필요한 모든 입력값을 파악하기 어려워서 차라리 실험을 하는 것이 간편한 경우도 있고, 계산하기엔 너무 복잡할수도 있으며, 과도한 근사가 들어가서 실제 값과 달라질수도 있으니까요. 때문에 계산 결과를 완전히 신뢰하진 못하고, 많은 경우 추가 실험이 필요한 것이 아닐까 생각이 듭니다.

정확하게 모델링하는 것은 힘들 수 있습니다. 시뮬레이션에 필요한 모든 데이터를 수집하지 못할수도 있고 (이 경우 필연적으로 추측값이나 추측 분포를 넣어줘야 하겠지요), 필요한 계산량이 너무 많아서 과도한 근사가 들어갈수도 있으니까요. 다만 이러한 경우를 오류라고 하지는 않을 것 같습니다. 오류는 제작자의 의도대로 작동하지 않는 것인데, 위의 경우는 프로그램은 돌리는 사람이 시키는대로 했지만, 사람이 적절치 못한 입력값을 넣어줬으니까요. 

논리적 추론을 할 수 있게 해주므로 과학입니다. 이를 검증하는 실험이 필요하다면 실험을 하면 되는 것이고요. 또한 계산 자체만으로도 의미를 가지게 해줍니다. 또한 실험이 없더라도 특정 가정 아래 이러한 결과가 나올 것이라는 결과값을 보여주는 것 만으로도 충분히 큰 의미가 있어 보입니다.

먼저 상황을 컴퓨터로 모델링합니다. 예상하고 싶은 현상에서 중요한 정보(입자의 위치, 특성 등)와 현상을 해석하는데 필요한 정보(물리 법칙이나, 필요한 변수 등)를 컴퓨터에 입력합니다.
이후 상황에 컴퓨터가 상황을 진행시키면서 발생하는 변화를 관찰하면 됩니다. 이 결과를 통해 해당 현상에 대한 예측이나, 시나리오 분석등을 할 수 있지요.

직접적을 제어하기는 어렵지만 원자 구조에 영향을 미치는 요소들을 제어하거나 조작하는 것은 가능합니다. 예를 들어, 원자를 광학적으로 냉각하거나, 원자의 전자 궤도를 제어하는 등의 기술적인 방법을 사용하여 전자와 양성자의 상호작용을 변화시키고, 이에 따라 전자의 위치나 궤도에 영향을 줄 수 있습니다.

당연히 시뮬레이션 결과를 믿을 수 없습니다. 다만 지금까지의 지식을 바탕으로 모델링 했을 때 이와 같이 움직일 것이라는 예측을 할 수 있을 뿐입니다. 실제 결과가 시뮬레이션과 다르다면 그걸 분석하는 것도 의미가 있을 것 입니다. 연구 조작은 더 힘들어질 것 입니다. 컴퓨터로 실험을 한 세팅만 안다면 어디서든지 재현이 가능할 것이니까요.
 

컴퓨터 시뮬레이션을 통해서 동시에 알 수 있다는 것이 아니라, 컴퓨터를 통해서 위치를 가정하고 실험할 수 있는 것에 가깝습니다. 양자 컴퓨터가 발전하고 있다고 하더라도, 하이젠베르크의 불확정성 원리를 완전히 깨고 모든 양자 입자의 위치와 운동 상태를 동시에 정확하게 알 수 있는 것은 아닙니다. 양자 컴퓨터는 특정 종류의 계산을 매우 빠르게 수행할 수 있지만, 여전히 양자 역학의 기본적인 원리와 제약사항에는 영향을 받습니다.

원자내 입자들을 결합시키는데에는 엄청난 에너지가 필요합니다. 때문에 해당 장치를 만들기란 쉽지 않아 보입니다. 또한 아직까진 원자 내 입자들에게 직접적으로 힘을 가하기가 어렵습니다. 전기장/자기장을 통해서 힘을 가해줄 수 있지만 위에서 말한 것 처럼 엄청난 에너지가 필요하기에 이론상 가능할지라도 (물론 많은 극복해야 할 점들이 있겠지만) 현실적으로 쉽지 않을 것 같습니다.

실험 상황에 따른 이론적인 모델링을 얼마나 잘 했는지가 중요할 것 같습니다. 모델이 실제 상황을 충분히 반영하지 못했다면 결과의 정확도가 다를것이고, 그렇지 않다면 실제와 비슷한 결과가 나올 것 같습니다. 다만 시뮬레이션이 저렴하고, 빠르게 수행될 수 있는 만큼 여러 실험 시나리오를 쉽게 변형하고 수행할 수 있어서 상황을 해석하기에 유리할 것 같습니다.

두가지 방향이 있을 것 같습니다. 먼저 컴퓨터의 성능이 혁신적으로 발달한다면 시간을 줄일 수 있을 것 입니다. 당장 현재 사용하고 있는 암호 체계도 기존의 컴퓨터로는 필요한 계산량이 많아서 안뚫리지만 양자컴퓨터가 생긴다면 뚫릴 가능성이 높다고 하니까요. 다른 방법으론 좀 더 혁신적인 이론이 나와 필요한 계산량을 줄일 수 있다면 계산시간을 줄일 수 있을 것 입니다. 2013년도 CHARMM을 개발한 연구진이 노벨상을 받은것도 자유전자인 파이전자에는 양자역학을 적용하고, 원자 간 결합에 이용되는 시그마 전자와 원자핵에는 고전물리학인 뉴턴역학을 적용해서 계산량을 줄인 것 이니까요.

다회간 시뮬레이션을 진행할수는 있지만 결국 실제 상황에서 작동하는지 확인을 위해선 결국엔 실험을 해야할 것 같습니다. 다만 말씀하신 것과 같이 핵 실험과 방사성 물질에 대한 연구는 비용과 환경적 위험이 매우 높기 때문에 컴퓨터 시뮬레이션을 통해 이러한 한계를 극복하는 데 도움이 될 것 같습니다.

컴퓨터 시뮬레이션은 복잡한 물리적 현상을 모델링하고 실험을 보충하는 데 매우 유용합니다. 하지만 현재의 시뮬레이션 기술은 모든 측면을 완벽하게 대체하지는 못합니다. 시뮬레이션의 정확성과 믿음성, 그리고 모델의 신뢰성을 높이기 위한 연구가 계속되고 있습니다. 그러나 시뮬레이션은 실험의 효율성을 높이고 비용과 환경적 위험을 줄이는 데 큰 기여를 할 수 있습니다.

아직은 한계가 있어 보입니다. 임상시험이나 동물실험을 하는 이유는 의약품이 우리가 예측하지 못하는 부작용이 있는지 확인하기 위함입니다. 위장약으로 만들었는데, 의도치 않게 폐 등의 다른 장기에서 작용하면 안되니까요. 하지만 아직은 인간의 복잡한 생체 시스템에 대한 모델링이 부족한 만큼 이를 효과적으로 고려하기엔 부족해보입니다.
또한 사람마다 약이 작용할수도, 작용하지 않을수도 있고 작용하더라도 그 정도가 다릅니다. 모두에게 듣는 약을 만들기란 어려우니까요. 때문에 이러한 모든 경우를 고려해서 모델링을 하는 것은 아직 시기상조인 듯 합니다.

과정은 많이 생략됐지만 충분히 가능합니다. 단백질 구조를 활용한 모델링을 통해 신약 개발에 도움을 줄 수 있는데, 약물과 단백질간의 상호작용을 모델링해서 약물의 작용 메커니즘과, 기존 물질의 효능을 높이고, 부작용을 줄이는 방향으로 연구할 수 있습니다. 이와 같은 연구가 많이 있는데, 카이스트에서는 김우연 교수님이 관련 연구를 하고 계신것으로 압니다.