2025
Towards an AI co-scientist
대형 언어 모델(LLM) 기반의 멀티에이전트 시스템을 제시합니다. '생성-토론-진화(generate–debate–evolve)' 방식을 채택하며, 테스트타임 컴퓨팅 규모를 늘릴수록 가설의 품질이 향상됨을 보고합니다. 완전 자동화가 아닌 인간 과학자와의 시너지를 목표로 합니다.
2025-2026 Core Insights
소재 설계를 위한
AI Co-Scientist 핵심 연구 동향
소재 설계를 위한 AI 연구동료(AI Co-Scientist) 분야의 핵심 연구 논문들을 종합적으로 분석한 결과는 다음과 같습니다. 이들 연구는 LLM 기반 에이전트 시스템이 소재 발견 및 설계 프로세스를 어떻게 혁신하는지를 보여줍니다.
Nature 2025
MatterGen: A generative model for inorganic materials design
확산 모델을 활용한 무기 결정 소재 설계를 위한 역설계 모델입니다. 안정성(Stable), 유일성(Unique), 신규성(New)을 모두 갖춘 구조를 생성하며, 한 후보 물질은 실제 합성을 통해 목표 물성을 20% 이내로 달성했습니다.
2025
Accelerated inorganic materials design with generative AI agents (MatAgent)
LLM 추론, 확산 모델, 물성 예측을 결합한 에이전트 시스템입니다. 단기/장기 메모리 관리와 외부 지식베이스 통합을 통해 반복적인 탐색 과정을 수행하여 효율적인 설계를 지원합니다.
2025
System of Agentic AI for the Discovery of Metal-Organic Frameworks (MOFGen)
금속-유기 골격체(MOF) 발견을 위한 에이전트 시스템입니다. 전문가 규칙과 합성가능성 에이전트를 통해 'AI가 꿈꾼 MOF(AI-dreamt MOF)'를 실제 합성하여 유효성을 검증했습니다.
2025
TopoMAS: Large Language Model Driven Topological Materials Multiagent System
동적 지식그래프를 통합하여 연구 루프를 닫고 지식을 지속적으로 갱신하는 위상물질 멀티에이전트 시스템입니다. 질의, 검색, 이론 추론, 구조 생성, 일원리 검증 등 발견 파이프라인 전반을 오케스트레이션합니다.
Paper DetailsHigh
Accuracy & Efficiency
2025
DREAMS: Density Functional Theory Based Research Engine for Agentic Materials Simulation
중앙 플래너와 계층형 멀티에이전트 구조를 제안하는 DFT 기반 엔진입니다. 공유 캔버스를 통해 컨텍스트를 유지하고 격자 상수 벤치마크에서 평균 1% 미만의 오차를 달성했습니다.
2025
VASPilot: MCP-Facilitated Multi-Agent Intelligence for Autonomous VASP Simulations
CrewAI 기반의 VASP 시뮬레이션 워크플로 자동화 시스템입니다. 표준화된 MCP 프로토콜을 활용하여 구조 검색부터 Slurm 작업 제출, 에러 파싱까지 자율적으로 수행합니다.
2026
QUASAR: A Universal Autonomous System for Atomistic Simulation
DFT, MD, 몬테카를로 시뮬레이션을 포괄하는 범용 원자론 워크플로 조율 시스템입니다. 적응형 계획과 컨텍스트 효율적인 메모리 관리가 핵심 기술 요소입니다.
Featured 2026
MARS: Knowledge-driven autonomous materials research
19개의 에이전트와 16개의 도구를 연계하여 로봇 실험까지 통합한 완전한 폐루프 시스템입니다. 기존 4~6개월이 걸리던 복합체 설계를 3.5시간으로 단축하는 혁신적인 성과를 보고했습니다.
2026
GraphAgents: Knowledge Graph-Guided Agentic AI
지식그래프 기반의 멀티에이전트 시스템으로, PFAS 대체 소재와 같은 복합 설계 목표를 수행합니다. 근거 기반 탐색의 우수성을 ablation 스터디를 통해 증명했습니다.
Concluding Analysis
이러한 연구들은 소재 설계를 위한 AI Co-Scientist가 단순한 예측 모델을 넘어, 자율적인 연구 프로세스 운영 시스템으로 발전하며 소재 탐색의 한계를 확장하고 개발 속도를 혁신적으로 가속하고 있음을 명확히 보여줍니다.