신약 발견에서 '블라인드 고처리량 스크리닝(HTS)'이 ML로 대체되는 전환기를 다룬 에세이. 약물 유사 화학 공간의 크기는 10^60 — 관측 가능 우주의 원자 수(10^80)는 아니지만 태양계 원자 수를 훨씬 초과한다. 빅뱅 이후 매초 10억 화합물을 테스트해도 표면도 못 긁는 규모. 과거 제약사는 '로봇 더 크게 만들고 더 많이 테스트'로 무작위 탐색에 의존했고 느리고 비싸고 불완전한 결과를 얻었다. 현재 ML은 화학 공간의 숨은 구조를 학습해 블라인드 탐색이 아닌 '가이디드 설계'로 움직인다. 맹목적 스크리닝 시대 종료 선언.

• •약물 유사 화학 공간 10^60 — 초당 10억 테스트도 표면 못 긁는 규모.
• •과거 HTS 패러다임: '더 큰 로봇 + 더 많은 테스트' 무작위 탐색.
• •ML은 화학 공간의 숨은 구조 학습 — 블라인드 탐색을 '가이디드 설계'로 전환.
• •초기 스크리닝에서 ML 기반 후보 약물 설계로 비용·시간·실패율 급감.
• •신약 개발 패러다임의 구조적 전환 — '브루트포스 시대' 종료.