Autoresearch for Research: Claude를 활용한 자율적 과학 연구 루프

섹션별 상세

가설 설정부터 코드 구현, 결과 해석까지 이어지는 폐쇄형 자율 연구 루프를 구축했다. LLM 에이전트는 물리 참조 문서와 이전 실험 이력을 바탕으로 새로운 초기 조건을 제안하고 이를 실행 가능한 Python 함수로 변환한다. 고정된 솔버가 계산한 점수를 피드백으로 받아 자신의 물리적 멘탈 모델을 업데이트하며 다음 실험을 설계하는 과정을 반복한다.

LLM 기반 자율 연구 루프의 작동 원리를 보여주는 다이어그램이다. — Diagram물리적 사전 지식(Physics Prior)이 LLM 에이전트(Claude Sonnet)에 입력되면, 에이전트가 초기 조건 코드(IC Code)를 작성하고 PDE 솔버가 이를 실행하여 점수를 매기는 순환 구조를 설명한다. 이 루프는 인간의 개입 없이 최적의 설정을 찾을 때까지 반복된다.

Navier-Stokes, Gray-Scott 등 복잡한 5가지 물리 시스템을 대상으로 성능을 검증했다. 각 도메인별로 독립적인 물리 참조 문서와 채점 기준을 제공하여 LLM이 객관적인 지표를 최적화하도록 유도했다. 실험 결과 모든 도메인에서 베이스라인을 크게 상회하는 성과를 거두었으며, 특히 Navier-Stokes에서는 24배, NLS에서는 8배의 성능 향상을 달성했다.

쿠라모토-시바신스키(KS) 방정식의 시공간 혼돈 현상을 시각화한 다이어그램이다. — ChartLLM이 생성한 최적의 초기 조건에서 발생하는 시공간적 카오스 패턴을 보여준다. 왼쪽의 시공간 도표와 오른쪽의 최종 상태 그래프를 통해 시스템의 복잡한 동역학적 특성을 확인할 수 있다.

단순한 수치 최적화를 넘어 물리적으로 유의미한 현상을 자율적으로 발견하는 능력을 확인했다. NLS 도메인에서는 Akhmediev breather 간섭을 통한 super-Peregrine rogue wave를, Gray-Scott에서는 비단조적 보너스 임계값을 스스로 찾아냈다. 이는 LLM이 물리적 원리를 추론하여 복잡한 패턴과 특이 현상을 식별할 수 있는 고도의 과학적 사고 능력을 갖추었음을 시사한다.

Gray-Scott 모델에서 시간에 따른 튜링 패턴의 진화 과정을 보여주는 스크린샷이다. — ScreenshotLLM이 발견한 최적 파라미터(F, k) 하에서 점 패턴이 자발적으로 형성되고 확산되는 과정을 시간대별로 나열했다. 이는 LLM이 복잡한 반응-확산 시스템의 패턴 형성 원리를 이해하고 최적화했음을 증명한다.

비선형 슈뢰딩거 방정식(NLS)에서 발생하는 거대 파도(Rogue Wave)의 시공간 분석 차트이다. — ChartLLM이 자율적으로 발견한 Akhmediev breather 간섭 현상을 통해 배경 대비 4.35배 높은 피크를 가진 거대 파도가 형성됨을 보여준다. 이는 고도의 물리적 추론이 필요한 발견이다.

용어 해설

편미분 방정식(PDE): — 시간과 공간에 따라 변화하는 물리 현상을 수학적으로 기술하는 방정식이다. 유체 역학, 전자기학, 양자 역학 등 자연 과학 전반의 핵심 도구로 사용되며, 해를 구하기 위해 복잡한 수치 해석 기법이 필요하다.
나비에-스토크스 방정식(Navier-Stokes Equations): — 점성을 가진 유체의 운동을 설명하는 비선형 편미분 방정식이다. 기상 예측, 항공기 설계 등 유체 흐름 분석의 기초가 되며, 난류 현상을 포함하고 있어 해를 찾는 과정이 매우 까다롭다.
튜링 패턴(Turing Pattern): — 반응-확산 시스템에서 화학 물질의 농도 차이에 의해 자발적으로 형성되는 기하학적 무늬이다. 생물의 줄무늬나 반점 형성을 설명하는 이론적 기초로 활용되며, 비선형 동역학의 대표적 사례이다.
거대 파도(Rogue Wave): — 주변 파도보다 비정상적으로 높은 에너지를 가진 돌발적인 파동 현상이다. 비선형 슈뢰딩거 방정식(NLS)을 통해 모델링되며, 해양 사고의 주요 원인이자 파동 역학 연구의 핵심 주제이다.
시공간적 혼돈(Spatiotemporal Chaos): — 시간과 공간 모두에서 불규칙하고 예측 불가능한 거동을 보이는 물리적 상태이다. 쿠라모토-시바신스키(KS) 방정식 등에서 나타나며, 초기 조건에 대한 민감도가 매우 높아 장기 예측이 불가능한 특징이 있다.

코드 예제

python

def get_initial_condition(x, y, z):
    # LLM이 물리 참조 문서를 읽고 자율적으로 작성하는 IC 함수 예시
    # Navier-Stokes vorticity cascade를 유도하기 위한 초기 속도장 정의
    u = np.sin(x) * np.cos(y)
    v = -np.cos(x) * np.sin(y)
    w = np.sin(z)
    return u, v, w

LLM 에이전트가 물리적 원리를 바탕으로 자율적으로 생성하는 초기 조건(IC) 함수의 구조 예시

기술

Claude 3.5 Sonnet
Python
LaTeX
PDE Solver
Navier-Stokes
Gray-Scott

활용 사례

자율 과학 연구 실험
물리 시스템 초기 조건 최적화
자동 논문 작성 및 데이터 분석
복잡한 물리 현상 탐색

언급된 리소스

GitHubAutoresearch-for-Research GitHub Repository