Towards an Autonomous AI Steward for Large-Scale Physics Experiments: Integrating Causal Diagnostics, RAG, and Conformal Prediction

발행일
출처
arXiv
논문 번호
1456
분야
AI Agents
arXiv 번호
2611.09298

이 논문은 대형 물리 실험의 운영 감시와 암묵지 보존 문제를 인과 진단 엔진과 RAG, 인간 승인 장치를 갖춘 멀티에이전트 시스템으로 풀었다.

이 논문은 한마디로 장기 입자물리 실험을 위한 자율 운영 도우미 '헬름홀츠 코파일럿'의 설계도다. 시스템은 교대 운영자의 질의와 하드웨어 이상 감지 두 경로로 시작된다. 비동기 인과 진단 엔진이 데이터 수집과 슬로 컨트롤 스트림을 상시 감시하며 연쇄 알람의 근본 원인을 추적한다. 추론 계층은 RAG로 기관 지식을 검색하고 인간 감시 장치로 위험 동작을 막아, KATRIN 실험에서 그림자 시험 중이다.

핵심 요약

  • 연구진은 장기 물리 실험의 기계 데이터 감시와 전문가 암묵지 보존 문제를 위해 헬름홀츠 코파일럿이라는 하이브리드 멀티에이전트 시스템을 제안했다.
  • 비동기 인과 진단 엔진이 하드웨어 스트림을 상시 감시하며 동적 인과 탐색으로 연쇄 알람을 근본 원인까지 거슬러 추적하고, 이상을 감지하면 정형 진단 보고서를 멀티에이전트 시스템에 넘긴다.
  • 기관 지식 축은 RAG 백본으로 위키와 로그, 데이터베이스를 검색하며, 지식 공백이 발견되면 인터뷰 모드로 운영자 통찰을 벡터 스토어에 다시 기록한다.
  • 위험한 동작은 인간 감시 장치가 가로채서 에이전트 상태를 저장하고 운영자가 승인할 때까지 실행을 멈춘다.
  • 코포멀 예측을 활용해 근본 원인별 확률에 수학적 보장을 붙인 증거 기반 권고를 운영자에게 제시한다.

논문 링크

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

원문 보기 (새 탭에서 열림)