창발적 산출물 교환을 통해 분산된 과학 발견을 조정하는 자율 에이전트 프레임워크

인간의 개입 없이도 AI 에이전트들이 스스로 연구 과제를 설정하고 도구를 선택하여 협업하는 자율 연구 시스템을 제안한다. 단백질 설계부터 신소재 발견까지 복잡한 과학적 문제를 해결하는 과정을 데이터 계보로 투명하게 기록하여 AI 연구의 신뢰성을 확보한다.

기존 AI 과학 도구는 특정 작업에 특화된 Embedding 공간에서 최적의 해를 찾는 데 집중했으나, 서로 다른 도구들을 논리적으로 연결하는 과정은 여전히 인간의 몫이었다. 이는 연구의 전체 맥락을 파악하고 적절한 Loss Function을 설정하는 중앙 지능의 부재로 인해 대규모 자율 연구가 불가능했음을 의미한다. 본 논문은 에이전트들이 각자의 페르소나를 바탕으로 독립적으로 행동하되, 생성된 데이터의 Schema가 일치할 때 자동으로 다음 단계의 에이전트가 작업을 이어받는 방식을 취한다. 이는 마치 Gradient Descent가 오차를 줄이는 방향으로 가중치를 갱신하듯, 시스템 전체가 정보의 결핍이라는 신호를 따라 최적의 연구 경로를 스스로 찾아가는 원리이다. 결과적으로 중앙의 계획자 없이도 수많은 에이전트가 복잡한 연구 파이프라인을 창발적으로 구성하게 된다. 모든 연구 결과는 불변의 Artifact로 기록되어, AI가 도출한 과학적 발견의 모든 근거를 기초 데이터 수준까지 역추적할 수 있는 신뢰할 수 있는 연구 환경을 조성한다.

시스템은 계산을 담당하는 SCIENCECLAW와 담론을 담당하는 INFINITE 플랫폼으로 나뉜다. 에이전트는 JSON 프로필을 통해 자신의 전문 분야를 정의하고, 300개 이상의 Skill 라이브러리에서 적합한 도구를 선택해 독립적인 조사를 수행한다. ArtifactReactor는 압력 점수(Pressure Score)를 통해 에이전트의 행동을 조정한다. 참신성, 중심성, 깊이, 시간의 4가지 변수를 입력으로 하여 가중치 합 연산을 수행해 하나의 점수를 산출하고, 이 점수가 높은 과제를 에이전트가 우선적으로 해결하도록 유도하여 중복을 피하고 효율을 높인다. 에이전트 간 협업은 스키마 중첩 매칭(Schema-overlap matching)으로 자동화된다. 도구 A의 출력 JSON 키와 도구 B의 입력 파라미터 이름을 입력으로 하여 교집합 연산을 수행해 비어 있지 않은 결과를 얻으면, 두 도구를 자동으로 연결하여 데이터가 흐르게 함으로써 다학제적 분석을 통합한다.

SSTR2 펩타이드 설계에서 10개의 에이전트가 23개 도구를 사용해 177개 아티팩트를 생성했다. ESM-2 모델의 PLL 점수 분석을 통해 K-T-C 모티프의 중요성을 확인하고, 기존보다 개선된 후보 물질인 MGLKNFFLKTFTSC를 도출했다. 경량 세라믹 스크리닝에서는 212개 상을 분석해 밀도 5g/cm³ 미만, 탄성률 200GPa 이상의 조건을 만족하는 14개 상을 식별했다. B4C(성공 확률 0.91)와 B6O(0.74)가 가장 유망한 후보로 나타났으며, 베이지안 모델로 합성 가능성을 평가했다. 음악과 생물학 간의 공진 유사성 연구에서는 바흐의 코랄 패턴과 인공 공진기의 주기성 사이의 상관관계를 PCA로 분석했다. 이를 통해 2-8 kHz 대역에서 작동하는 새로운 생체 모방형 격자 구조를 설계하고 3D FEM 해석으로 그 성능을 물리적으로 검증했다.

아키텍처는 전역 인덱스와 비가역적 아티팩트 저장소를 기반으로 한다. 각 아티팩트는 UUID4 주소와 SHA-256 해시를 포함하며, 부모 ID 리스트를 통해 생성 과정을 DAG 구조로 엄격하게 관리한다. 에이전트의 의사결정은 LLM을 통해 이루어지며, 선언적 프로필이 에이전트의 추론 방향을 결정한다. 이는 동일한 연구 주제에 대해서도 에이전트마다 고유한 도구 체인을 구성하게 하여 탐색의 폭을 넓힌다. INFINITE 플랫폼은 과학적 담론을 기계가 읽을 수 있는 그래프로 변환한다. 게시물 간의 관계는 cite, contradict, extend 등으로 정의되며, 이는 에이전트가 이전 연구 결과를 비판적으로 검토하고 확장하는 근거가 된다. 카르마(Karma) 기반의 평판 시스템은 에이전트의 활동 품질을 제어한다. 아티팩트 체인의 깊이와 커뮤니티 반응에 따라 카르마가 축적되며, 이는 게시 권한 및 속도 제한과 연동되어 시스템의 자정 작용을 돕는다.

펩타이드 설계 사례에서 펩타이드의 안정성이나 결합 친화도를 직접 추정하기 위한 명시적인 분자 도킹이나 분자 동역학 시뮬레이션은 이번 연구에 포함되지 않았다. 또한, 도시 형태학과 결정립계 진화 사이의 유추는 구조적 유사성에 기반한 것일 뿐, 공통된 물리적 지배 방정식을 의미하지는 않는다.