From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery

이 논문은 과학 agent 연구가 연구 과정, 자율성 수준, agent 구조 관점으로 따로 정리되던 문제를, 다섯 핵심 능력과 네 단계 workflow를 잇는 framework와 네 자연과학 분야별 시스템 분류로 풀었다.

이 논문은 한마디로 AI가 가설부터 실험과 분석까지 스스로 하는 연구(Agentic Science)를 정리한 survey다. 저자들은 AI for Science를 네 Level로 나누고 Level 2와 Level 3을 이 survey의 대상으로 정했다. 과학 agent의 다섯 핵심 능력과 네 단계 발견 workflow로 framework를 짠 뒤 생명과학, 화학, 재료과학, 물리 분야의 시스템을 표로 분류했다. 마지막에 재현성, 참신성 검증, 추론의 투명성, 윤리와 사회 문제를 남은 과제로 정리했다.

핵심 요약

• 문제: 과학 연구를 스스로 하는 AI agent 연구는 빠르게 늘었지만, 기존 survey는 연구 과정, 자율성 수준, agent 구조 가운데 하나만 따로 다뤘다. 저자들은 점점 더 자율적인 과학 시스템을 이해하고 설계할 통합 framework가 없다고 본다.
• 조사 범위: 이 논문은 기존 연구를 분류하는 survey다. AI의 역할을 네 Level(계산 도구, 자동 연구 보조, 자율 과학 동반자, 앞으로 올 생성 설계자)로 나누고, Level 2와 Level 3을 Agentic Science로 묶어 생명과학, 화학, 재료과학, 물리 네 분야의 agent 시스템을 다룬다.
• 분류: 과학 agent의 바탕 능력을 계획과 추론, tool 사용, memory, agent 간 협업, 최적화와 진화의 다섯 가지로 나누고, 능력마다 대표 방법을 표로 정리한 뒤 과학 분야에서 생기는 어려움을 짚는다. 발견 과정은 관찰과 가설 생성, 실험 계획과 실행, 데이터와 결과 분석, 종합과 검증과 진화의 네 단계 workflow로 보고, 분야별 표에서 시스템마다 맡는 단계와 Level 2 또는 Level 3을 표시한다.
• 근거: 저자들은 원 논문이 보고한 검증 사례를 분야별 표로 모았다. The Virtual Lab은 nanobody(작은 항체 조각) 92개를 설계했고, 그중 2개가 실험에서 최근 SARS-CoV-2(COVID-19 원인 바이러스) 변이에 더 잘 결합했다고 정리했다. 클라우드 기반 AI planner는 5개 실험실에 걸친 workflow로 최고 수준(state-of-the-art)의 새 유기 고체 레이저 발광 물질 21개를 찾았다고 적었다.
• 저장소: 논문 첫 쪽이 링크한 공식 저장소 AgenticScience/Awesome-Agent-Scientists는 논문 목록 저장소다. README는 Part 0(완전 자율 연구 pipeline)과 Part 1부터 Part 4(생명과학, 화학, 재료과학, 물리와 천문)로 나눠 관련 논문 링크를 모았다.
• 한계: 이 survey는 네 자연과학 분야를 다루고, 저자들은 표 7이 논문마다 가장 두드러진 특징만 적었다고 밝혔다. 저자들은 기반 LLM이 계획을 올바르게 실행되는 코드로 옮기는 능력이 약해, 최신 benchmark의 실행 정확도가 39%까지 낮다는 결과를 인용했다. AI가 만든 가설을 평가하는 방법도 비용이 크고 주관적인 사람 전문가 판단에 기댄다고 적었다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.