Introduction
2025년 이후 Agentic AI는 단순 예측을 넘어 추론, 계획, 행동, 학습의 자율 루프를 통해 의사결정 지능(Decision Intelligence)을 구현합니다.
Decision Intelligence
에이전트가 목표와 제약 조건을 명시적으로 고려하여 최적의 의사결정을 내리는 능력입니다.
ReAct-style Loop
Reasoning → Planning → Tool-use → Observation → Reflection의 자율적 실행 루프.
Evolution from Traditional ML
전통적인 물성 예측 중심의 머신러닝에서, 가설 생성부터 실험 설계까지 아우르는 "가상 연구원" 수준의 자율 시스템으로 진화하고 있습니다.
Core Concepts
Hierarchical Tool Orchestration
100개 이상의 도메인 특화 도구(데이터베이스, 시뮬레이션, 로봇 제어 등)를 계층적으로 선택하고 실행합니다. 단순한 API 호출을 넘어선 복합적인 워크플로우를 스스로 구성합니다.
Self-Evolving
MCTS(Monte Carlo Tree Search)나 경험 축적을 통해 에이전트가 시간이 지남에 따라 스스로 성능을 향상시킵니다.
Multi-Agent
문헌 전문가, 실험 설계자, 비평가 등 전문화된 에이전트 간의 협업으로 실제 인간 연구팀의 메커니즘을 모방합니다.
Goal-Driven & Constraint-Guided Reasoning
단순한 물성 수치 추정을 넘어, 목표 달성과 물리적/실험적 제약을 동시에 만족하는 가설을 생성하는 "과학적 판단"을 내립니다.
Methods & Approaches
| Methodology | Key Innovation | Focus Area |
|---|---|---|
| Kumbhar et al. (arXiv:2501) | Constraint-Guided Reasoning | 가설 생성 중심 |
| CheMatAgent (Wu et al. 25.06) | HE-MCTS & 137 Chemical Tools | 도구 탐색 최적화 |
| MARS (Shi et al. 2026) | 19 Multi-Agent Orchestration | 실제 로봇 연동 |
| AGAPI-Agents (arXiv:25.12) | Open-Access API Platform | 연구 민주화 |
Applications
Battery & Polymer Design
Goal-guided 에이전트가 수천 건의 가설을 자동 생성하여 최적의 조성 탐색.
Self-Driving Labs
MARS 시스템을 통한 인간 개입 없는 자율 합성 및 평가 루프 실현.
Atomistic Simulation
DFT 시뮬레이션 및 역설계(Inverse Design) 자동화.
Future Outlook (2026-2028)
-
1
물리 법칙 기반 RLHF를 통합한 완전한 자체 진화 시스템 등장
-
2
인간 참여형(Human-in-the-loop) 안전성 고려 SDL 상용화
-
3
재료, 생물학, 화학을 넘나드는 교차 도메인 협업 시스템 확대
"Agentic AI는 단순한 도구를 넘어 연구자의 진정한 파트너가 될 것입니다."
Critical Citations
Agentic AI for Scientific Discovery: A Survey of Progress...
Gridach et al. (2025.3)
시스템 신뢰성, 윤리적 우려 및 전반적인 발전 방향을 제시하는 종합 서베이 논문.
Agentic AI and Machine Learning for Accelerated Materials Discovery...
Jihua Chen et al. (2026.1)
폴리머 발견 화학에서의 통합 과제 및 의사결정 지능의 실무 적용 분석.
Knowledge-driven autonomous materials research via collaborative multi-agent...
Tongyu Shi et al.
MARS 시스템을 통한 폐쇄 루프 자율 발견의 실질적 구현 사례 제시.
CheMatAgent: Enhancing LLMs for Chemistry through Tree-Search...
Wu et al. (2025.6)
HE-MCTS 기반의 도구 학습을 통해 GPT-4o를 초과하는 성능 입증.