듀크의 새로운 AI 봇은 복잡한 연구 문제를 해결할 수 있습니다.

듀크 대학교의 엔지니어들은 훈련된 과학자들만큼이나 능숙하게 복잡한 설계 문제를 자율적으로 해결할 수 있는 AI 봇 팀을 개발했습니다. 이 연구는 최근 출판 ACS Photonics에 게재된 논문에 따르면 AI가 곧 좁지만 정교한 설계 과제를 해결해 많은 분야에 걸쳐 급속한 발전의 물결을 일으킬 것으로 예상됩니다.

"몇 년 전, 한 동료가 화학 반응 모델링에서 정말 어려운 문제를 설명해 주었습니다. 표준 딥러닝 AI 프로그램으로 해결할 수 있는 문제라는 것은 알았지만, 직접 해결할 시간이 없었습니다." 듀크 대학교 전기 및 컴퓨터 공학과 폴 왕 석좌교수인 윌리 파딜라는 보도자료를 통해 이렇게 말했습니다. "하지만 이 문제를 자율적으로 해결할 수 있는 AI 에이전트 그룹을 만들 수 있다면 여러 분야의 발전 속도를 크게 높일 수 있을 것이라는 생각이 들었습니다."

AI 시스템이 해결하는 구체적인 유형의 과제는 잘못 설정된 역설계 문제입니다. 연구자는 의도한 결과는 알고 있지만 최적이 무엇인지에 대한 명확한 지침 없이 수많은 가능한 해결책에 직면하게 됩니다.

이전파딜라와 그의 팀은 유전체(금속이 없는) 메타물질을 만드는 이러한 과제를 성공적으로 해결했습니다. 화학적 특성이 아닌 구조에서 유래한 고유한 전자기적 특성을 가진 이러한 합성 소재는 AI가 효율적으로 관리할 수 있는 복잡한 설계 매개변수를 제시했습니다.

새로운 연구에서 연구진은 대규모 언어 모델(LLM) AI 에이전트를 활용하여 설계 작업을 자율적으로 처리함으로써 기술을 더욱 발전시켰습니다. 인간 대학원생이 반복적인 단계를 수행해야 했던 이전 연구들과 달리, 이 AI 에이전트는 전체 과정을 관리할 수 있었습니다.

파딜라는 "초물질 물리학을 배우고 스스로 해결책을 찾아낼 수 있는 '인공 과학자'를 만드는 것이 아이디어였습니다."라고 덧붙였습니다.

이 "에이전트 시스템"은 여러 개의 전문화된 LLM으로 구성됩니다. 하나는 데이터 구성을 관리하고, 다른 하나는 심층 신경망 코드를 생성하며, 세 번째는 정확도를 검증하고, 마지막 하나는 연구실의 "신경-수반" 기법을 적용하여 솔루션을 개선합니다. 포괄적인 LLM은 이러한 에이전트 간의 소통과 진행을 감독하며, 본질적으로 인간 과학자의 의사 결정 과정을 모방합니다.

"이 기능을 사용하면 수익이 감소하고 더 ​​많은 데이터를 생성해야 하는지, 아니면 오류율이 감소하는 것에 만족하여 계속 반복해야 하는지 말 그대로 알려줍니다."라고 이 프로젝트를 이끈 파딜라 연구실 박사과정생 대리 루는 덧붙였습니다. "이 기능은 과학자가 시간이 지남에 따라 발전시켜야 하는 직관과 비슷하며, 아마도 프로그래밍하기 가장 어려웠을 것입니다."

연구진은 기존에 해결된 역설계 문제에 대해 시스템을 테스트한 결과, AI의 최적 설계가 인간 전문가의 설계와 유사하다는 것을 발견했습니다. AI의 평균적인 결과가 박사과정 학생들의 결과를 능가하지는 못했지만, 최상위 해법들은 충분히 근접했으며, 이 분야에서는 단 하나의 최적 설계라도 달성하는 것 자체가 상당한 성공으로 간주됩니다.

파딜라는 이 방법이 과학 연구에서 AI 기반 생산성 향상의 잠재력을 보여준다고 믿습니다.

"스스로 연구를 수행하고 연구 방법을 개선할 수 있는 AI 시스템은 인간의 지식을 확장하는 데 상당한 진전을 이룰 것입니다."라고 파딜라는 말했습니다. "이러한 시스템은 대규모로, 그리고 훨씬 빠른 속도로, 머지않아 진정으로 새로운 결과를 도출할 수 있을 것입니다."

루는 이러한 AI 응용 분야의 밝은 미래를 예상합니다.

"이러한 시스템이 고숙련 근로자의 생산성을 향상시킬 수 있는 시점이 바로 코앞에 있습니다."라고 그는 덧붙였다. "이러한 에이전트 시스템을 구축할 수 있는 능력은 취업 시장에 진출하는 데 매우 중요한 역량입니다."

출처: 듀크 프랫 공과대학