
JAN 29, 2026
사일로에서 통합으로: LiveDesign ML과의 플랫폼 통합을 통한 협업형 AI 육성
AI 투자를 성공적으로 활용하려면 타의 추종을 불허하는 예측 정확도와 원활한 운영 구현을 제공하는 플랫폼이 필요합니다. 많은 조직이 분산된 머신러닝 인프라와 일관성 없는 데이터에 기반한 모델로 인해 어려움을 겪고 있으며, 이로 인해 도입률이 낮고 MLOps 과정에서 마찰이 발생하고 있습니다.
LiveDesign ML은 확장성과 협업을 위해 설계된 중앙 집중식 통합 ML 플랫폼을 제공함으로써 AI를 전략적 자산으로 전환합니다. 이 플랫폼은 서로 다른 데이터 소스와 계산 도구를 단일하고 일관된 워크플로로 통합하여 데이터 사일로를 해소합니다. 이러한 통합을 통해 모델, 특징, 실험 결과를 실시간으로 공유할 수 있게 되어, 분야 전문가와 데이터 과학자들이 협력하여 ML 솔루션을 구축하고 반복적으로 개선할 수 있습니다. LiveDesign ML은 Schrödinger의 업계 표준 모델링 도구에서 제공하는 최고 수준의 훈련 데이터를 활용하여 뛰어난 모델 품질과 예측 신뢰도를 보장합니다. 또한, 훈련과 검증부터 배포에 이르는 전체 MLOps 라이프사이클을 완전히 자동화하여 고성능 모델을 실시간으로 사용할 수 있도록 보장합니다.
이번 세션에서는 다음을 수행하는 방법을 시연해 드리겠습니다:
- AI 투자 수익(ROI) 극대화: 당사의 자동화 플랫폼을 통해 모델 배포 시 발생하는 번거로움을 해소하고 수동 MLOps 작업을 최소화하세요.
- 최고 수준의 정확도 달성: 검증된 물리 기반 시뮬레이션 도구의 데이터로 훈련된 모델을 활용하십시오.
- 확장 및 통합: Retrosynth 및 화학적 특성 예측과 같은 현재 기능을 직접 확인해 보시고, GenerativeML, Co-folding, LD Assistant로 이어지는 전략적 로드맵을 살펴보세요.
- 실시간 데모: 당사 제품 전문가가 설명하는 ‘ LiveDesign ML’이 어떻게 발견 주기를 단축하고, 모델 정확도를 높이며, ML 투자 수익률을 향상시키는지 확인해 보세요.
참가 대상:
이 웨비나는 첨단 컴퓨팅 및 AI를 활용하여 신약 개발의 효율성과 정확성을 높이는 데 주력하는 리더와 실무자들을 위해 마련되었습니다.
- 전산화학, AI/ML 및 연구개발 부문 책임자/부사장
- 화학정보학 및 MLOps 담당자
- 계산 화학자 및 생물학자
- 정보학 및 데이터 과학 전략가
연사 소개

칼 레스윙
머신러닝 부사장, Schrödinger
칼 레스윙(Karl Leswing)은 Schrödinger 의 신약 개발( 머신러닝 ) 부문 부사장입니다. 이 직책에서 그는 Schrödinger의 디지털 화학 플랫폼을 위한 머신러닝 애플리케이션의 연구 및 실행을 총괄하고 있습니다. 2017년에는 판데 연구실(Pande Lab)의 방문 연구원으로 재직하며 신약 개발을 위한 딥러닝 기술 활용 연구를 수행했습니다. 이 기간 동안 그는 화학정보학 분야의 딥러닝( 머신러닝 ) 기술을 분석한 벤치마킹 논문인 ‘MoleculeNet’을 공동 집필했습니다. 칼은 버지니아 대학교에서 학사 학위를, 조지아 공과대학교(Georgia Tech)에서 계산 화학( 머신러닝 ) 석사 학위를 취득했습니다.