MARS (Multi-agent AI and robots automate materials discovery in closed-loop lab system)
MARS는 다중 에이전트 AI와 로봇을 활용한 폐루프 연구실 시스템으로 재료 발견 과정을 자동화한다. 이 시스템은 페로브스카이트 나노결정 합성을 10회 반복하여 최적화하고, 물에 안정한 코어-쉘-코로나 구조를 3.5시간 만에 설계하는 등 탁월한 성능을 보인다.
원문 보기
Future of Material Science
에이전트형 AI와 재료 설계의 혁신
재료 설계 분야에서 에이전트형 AI는 발견 속도를 획기적으로 높이는 핵심 기술로 부상하고 있다. 여러 AI 에이전트가 자율적으로 협력하여 가설 생성부터 실험 실행, 결과 분석, 최적화까지 전 과정을 자동화한다. 2026년 현재 이 분야는 활발한 실험 검증이 이루어지며 다음과 같은 연구들을 통해 그 잠재력을 입증하고 있다.
Multi-agentic AI framework for end-to-end atomistic simulations (Digital Discovery 2026)
이 프레임워크는 LLM 에이전트가 Atomsk를 이용한 구조 생성, LAMMPS 시뮬레이션 실행, Phonopy와 OVITO를 통한 결과 분석까지 원자 단위 시뮬레이션의 전 과정을 자동화한다. 격자 상수, 탄성 계수, 용융점 등을 인간 전문가와 거의 동일한 정확도로 계산할 수 있다.
원문 보기FORUM-AI (Berkeley Lab Leads Effort to Build AI Assistant for Energy Materials Discovery)
버클리 연구소(Berkeley Lab)에서 개발한 FORUM-AI는 가설 생성, 고성능 컴퓨팅 시뮬레이션, 로봇 실험까지 아우르는 풀스택 에이전트 플랫폼이다. 특히 배터리 및 반도체 에너지 재료 분야에서 가설 생성과 자동 실험 루프를 통해 재료 발견을 가속화한다.
원문 보기MetaChat (New agentic AI platform accelerates advanced optics design)
스탠포드(Stanford)에서 개발한 MetaChat은 새로운 에이전트형 AI 플랫폼으로, 메타표면(metasurfaces)과 같은 고급 광학 소자 설계를 획기적으로 가속화한다.
원문 보기Towards Agentic Intelligence for Materials Science (arXiv 2602.00169, 2026)
이 arXiv 논문은 재료 과학 분야에서 에이전트형 인텔리전스의 중요성을 강조한다. AI 에이전트의 자율적인 협력을 통해 재료 설계의 전 과정을 혁신할 수 있는 개념적 틀과 미래 비전을 제시하는 연구이다.
원문 보기연구 요약 및 전망
이처럼 에이전트형 AI는 재료 설계 및 발견 분야에서 인간 연구의 한계를 뛰어넘어 새로운 재료 개발 시대를 열고 있다. 폐루프 시스템을 통한 자동화는 단순한 효율성 증대를 넘어, 인간이 상상하기 어려운 복잡한 물리적 구조를 탐색하는 강력한 도구가 될 것입니다.