과학을 위한 AI: 과학자(LLM)와 시뮬레이터(도메인 모델)의 협업 아키텍처

핵심 요약

현재 AI 담론은 LLM의 언어 능력에 치중되어 있으나, 실제 과학적 난제 해결을 위해서는 물리 세계를 시뮬레이션하는 기술이 필수적이다. 저자는 AI 과학의 구조를 추론과 가설을 담당하는 과학자(LLM)와 물리적 역학을 학습하는 시뮬레이터(도메인 모델)로 구분한다. 기상 예측, 단백질 구조, 신소재 분야에서 이미 시뮬레이터가 전통적 물리 모델을 압도하고 있지만, 생물학 분야는 데이터 확보의 어려움으로 인해 여전히 물리적 제약에 묶여 있다. 결국 범용 지능뿐만 아니라 각 도메인에 특화된 모델과 자동화된 데이터 인프라에 대한 투자가 병행되어야 진정한 과학적 혁신이 가능하다.

배경

LLM의 기본 작동 원리, 제일 원리(First Principles) 및 시뮬레이션 개념, 단백질 구조 및 유전학에 대한 기초 지식

대상 독자

AI 연구자, 바이오테크 개발자, AI 투자자 및 과학 기술 정책 결정자

의미 / 영향

이 분석은 LLM의 성능 향상이 곧바로 과학적 난제 해결로 이어지지 않는다는 점을 시사한다. 물리 세계와 상호작용하는 도메인 특화 모델과 데이터 인프라에 대한 전략적 투자가 병행되어야만 AI를 통한 실질적인 인류 삶의 질 개선이 가능하다.

섹션별 상세

AI 과학의 핵심 아키텍처는 추론을 담당하는 과학자와 물리적 예측을 수행하는 시뮬레이터의 결합이다. 과학자 모델인 LLM은 문헌 검토, 가설 생성, 실험 설계에 탁월하며 인간 과학자의 사고 과정을 보조하거나 대체한다. 반면 시뮬레이터는 특정 물리 도메인의 데이터를 직접 학습하여 언어만으로는 표현할 수 없는 물리적 구조와 역학을 예측한다. 이 두 시스템이 데이터 인프라를 통해 상호작용할 때 비로소 실질적인 과학적 발견이 이루어진다.

물리 법칙이 명확한 분야와 데이터 중심의 복잡한 분야 사이에는 모델링 접근 방식의 차이가 존재한다. 고전 역학이나 화학은 제일 원리(First Principles)에서 유도된 이론적 시뮬레이션이 가능하지만, 원자 수가 늘어날수록 계산 복잡도가 기하급수적으로 증가하여 한계에 부딪힌다. 반면 생물학은 30억 개의 염기쌍과 수십만 개의 단백질 상호작용이 얽힌 복잡한 시스템으로, 단순한 이론적 압축이 불가능하여 데이터 기반의 패턴 매칭 모델인 시뮬레이터의 역할이 더욱 중요하다.

기상 예측과 단백질 구조 결정 분야에서 학습된 시뮬레이터는 이미 전통적인 물리 기반 모델을 압도하는 성과를 냈다. 구글 딥마인드의 GraphCast는 50년 역사의 물리 기반 기상 예측 모델보다 높은 정확도를 보이면서도 예측 시간을 수 시간에서 1분 미만으로 단축했다. AlphaFold2 역시 아미노산 서열에서 구조를 직접 매핑하는 방식으로 2억 개 이상의 단백질 구조를 예측하며 생물학 연구의 패러다임을 바꿨다.

생물학 분야의 혁신은 데이터 확보라는 물리적 병목 현상에 직면해 있다. 기상이나 소재 분야와 달리 생물학 데이터는 실험 비용이 비싸고 노이즈가 많으며 인간 임상 시험까지의 성공률이 매우 낮다. 세포 수준의 실험 결과가 실제 인체 반응을 보장하지 못하는 경우가 90%에 달하며, 유전자 발현이나 약물 효능을 예측하기 위한 최적의 데이터 형태조차 아직 명확히 정의되지 않은 상태이다.

현재 AI 투자는 LLM과 챗봇에 지나치게 편중되어 있어 과학적 난제 해결을 위한 자원 배분이 부족하다. 2024-2025년 AI 파운데이션 모델 기업들이 약 1,110억 달러를 유치한 반면, AI 신약 개발 분야는 76억 달러, 소재 및 기상 분야는 10억 달러 미만에 그쳤다. 오픈에이아이(OpenAI)나 앤스로픽(Anthropic) 같은 프런티어 랩들이 범용 지능에 집중하는 동안, 실제 질병 치료와 소재 혁신을 위해서는 도메인 특화 모델과 자동화된 실험실 인프라를 구축하는 별도의 노력이 필수적이다.

이미지 분석

Diagram
LLM이 가설 생성과 실험 설계를 통해 전체 과정을 오케스트레이션하고, 도메인 모델이 물리적 예측을 수행하며, 데이터 인프라가 이를 검증하고 새로운 데이터를 생성하는 협업 구조를 시각화한다. AI 과학 시스템의 구성 요소와 데이터 흐름을 명확히 정의한다.
과학자(LLM), 시뮬레이터(도메인 모델), 데이터 인프라의 상호작용을 보여주는 아키텍처 다이어그램

Chart
고전 역학처럼 이론으로 설명 가능한 영역부터 유전학처럼 데이터 기반 패턴 매칭이 필수적인 영역까지의 분포를 보여준다. 시스템의 복잡도가 증가함에 따라 왜 시뮬레이터 모델이 필요한지를 이론적 근거와 함께 제시한다.
이론 중심(Theory-driven) 모델링에서 데이터 중심(Data-driven) 모델링으로의 스펙트럼

Chart
LLM 및 챗봇 분야에 전체 투자의 93%($1,110B)가 집중되어 있는 반면, 신약 개발(6%), 소재 및 기상(1% 미만) 분야의 투자는 매우 저조함을 수치로 보여준다. AI 과학 분야의 자본 불균형 문제를 시각적으로 증명한다.
2024-2025년 AI 분야별 투자 비중 파이 차트

실무 Takeaway

LLM은 가설 생성과 실험 설계에 탁월하지만, 물리적 결과 예측은 도메인 특화 시뮬레이터의 영역임을 인지하고 두 모델을 결합한 에이전트 워크플로를 설계해야 한다.
기상 예측(GraphCast)이나 단백질 구조(AlphaFold) 사례처럼, 물리 기반 모델의 출력을 학습 데이터로 활용하여 추론 속도와 정확도를 획기적으로 높이는 하이브리드 접근법이 유효하다.
생물학적 발견을 가속화하기 위해서는 단순한 모델 스케일업보다 자동화된 실험실(AI Science Factory)을 통한 고품질 데이터 생성 인프라 구축이 선행되어야 한다.

언급된 리소스

문서Machines of Loving Grace

논문GraphCast: Learning skillful medium-range global weather forecasting