과학을 설명하는 모델에서
과학을 실행하고 검증하는 모델로

Genesis-Science-1은 무엇인가

DOE와 Genesis Open Models Initiative의 공개 설명을 종합하면 GS1은 DOE National Laboratories와 Arcee AI가 공동 개발하는 open-weight scientific foundation model이다. Arcee는 이를 차세대 Trinity 계열에 기반한 trillion-parameter-class language model + governed execution system으로 설명한다. 그러나 ‘trillion-parameter-class’는 현재 Arcee 발표에 근거한 개발 목표이며 최종 parameter count가 확정·검증된 것은 아니다.

GS1의 초기 workbench는 Python, Fortran, C/C++, MPI, OpenMP, CUDA, HIP, notebooks, simulators, schedulers, scientific packages 등 실제 연구 도구를 포함하는 방향으로 설계된다. 핵심 작업은 다음 순환으로 요약할 수 있다.

이 구조에서 모델의 출력은 문장이 아니라 다음 과학 행동과 그 결과의 연결이다. 따라서 GS1을 “미국 정부가 만드는 과학 전용 ChatGPT”라고만 부르면 가장 중요한 설계 의도를 놓치게 된다.

Scientific Knowledge Modeling에서 Scientific Workflow Modeling으로

범용 LLM은 과학개념 설명, 논문 요약, 코드 초안에는 상당히 강해졌다. 그러나 실제 연구자는 문헌과 데이터를 찾고, 가설을 세우고, scientific code를 수정하고, simulation을 실행하며, 실패 이유를 진단하고, 수치적 결과가 물리적으로 타당한지 확인한 뒤 결론을 수정해야 한다.

ICML 2025 PaperBench는 이 간극을 정면으로 측정했다. AI agent가 논문을 읽고 코드와 실험을 처음부터 재현하도록 했을 때 peer-reviewed paper가 보고한 최고 baseline도 평균 replication score가 약 21%였다. 중요한 교훈은 과학지식을 언어로 설명하는 능력과 paper-scale 연구를 끝까지 실행하고 재현하는 능력 사이에 큰 격차가 있다는 점이다.

GS1의 문제정의는 이 격차를 줄이는 방향으로 읽을 수 있다. 즉 모델에게 scientific answer를 생성시키는 대신, 장시간 작업을 상태 있게 수행하고, 도구를 호출하고, 실패를 복구하며, 누가 다시 실행해도 추적 가능한 evidence trail을 남기게 하는 문제다.

GS1은 Genesis Mission 안의 reasoning-and-execution layer다

GS1은 독립 제품이 아니라 2025년 11월 Executive Order 14363으로 출범한 Genesis Mission의 더 큰 구조 안에서 이해해야 한다. Genesis Mission은 연방 scientific datasets, DOE supercomputing, experimental facilities, scientific foundation models와 AI agents를 연결해 연구 생산성을 높이는 것을 목표로 한다.

이 관점에서 GS1은 다양한 domain-specific foundation model을 대체하는 만능모델이라기보다, 그것들을 사용하고 연결하는 general-purpose scientific reasoning and execution layer가 될 가능성이 더 크다.

네 개의 연구흐름이 GS1을 필요하게 만든다

1. 과학 LLM은 답에는 강해졌지만 실제 연구에는 아직 약하다

PaperBench는 20편의 ICML 2024 Spotlight/Oral 논문을 대상으로 이해·코딩·실험 실행을 모두 요구했다. 최고 baseline의 평균 점수는 약 21%였다. 이것은 단순 QA 점수로는 장기 연구능력을 대변할 수 없다는 강한 근거다.

2. DOE의 HPC scientific software는 모델에게 특히 어려운 환경이다

DOE 연구자산에는 Fortran, MPI, OpenMP, C/C++, CUDA와 수십 년간 축적된 physics code가 존재한다. 2026년 Structuring agentic AI for HPC code modernization은 약 60,000라인 Fortran/MPI physics engine을 C++/OpenMP/MPI로 옮기는 과정에서, LLM 단독보다 제한된 작업범위, 지속적 buildability, human-created examples를 가진 agentic process가 중요하다고 보고한다. 2025년 IEEE eScience의 Fortran-to-C/C++ portability 연구도 compilation과 validation을 포함하는 실행 기반 접근의 필요성을 보여준다.

3. Scientific Foundation Model은 domain prediction을 넘어 reusable representation으로 발전한다

MatterGen은 원하는 물성을 조건으로 inorganic material을 생성하고 실제 합성 검증까지 수행했다. Aurora는 백만 시간 이상의 Earth-system data를 pretrain한 뒤 weather, air quality, waves, tropical cyclone 등 여러 task로 적응했다. 핵심 변화는 task-specific predictor에서 reusable scientific representation으로 이동하는 것이다.

4. 과학발견 자체가 agentic workflow가 되고 있다

AI Scientist-v2는 hypothesis generation, coding, experiment execution, analysis, writing을 progressive agentic tree search로 조직했다. 2026년 Nature의 Robin은 문헌검색, therapeutic hypothesis generation, wet-lab data analysis를 반복시키는 multi-agent 구조를 보였다. GS1의 workbench와 governed execution은 이러한 흐름을 HPC·과학소프트웨어·실험도구까지 확장하려는 시도로 해석할 수 있다.

GS1이 해결해야 할 아홉 개의 난제

예상되는 여덟 개의 방법론적 축

1. Large-scale Scientific Pretraining

DOE Open Models Initiative가 요청하는 자산에는 curated scientific datasets, scientific text, code, documentation, structured technical collections, domain benchmarks가 포함된다. 따라서 science-oriented base training은 \(D_{text}\cup D_{code}\cup D_{technical}\cup D_{scientific}\) 형태의 multi-source corpus를 필요로 한다.

2. Scientific Mid-training / Domain Adaptation

범용 base model을 scientific representation으로 옮긴 뒤 physics, materials, biology, energy 등으로 domain-specialize하는 계층적 adaptation이 필요하다. 다만 지나친 specialization은 다른 capability를 파괴할 수 있어 continual/multi-domain adaptation이 연구문제가 된다.

3. Workbench-based Training

GS1의 가장 중요한 잠재적 차별화다. instruction–answer pair가 아니라 상태와 행동의 trajectory를 학습한다.

예를 들어 Fortran source 분석 → C++ 수정 → compile error → 진단 → patch → numerical mismatch → indexing correction → rerun → benchmark가 하나의 scientific trajectory가 된다.

4. Verifier-Guided Post-Training

과학계산은 일부 task에서 compiler, unit test, solver residual, conservation law, known reference result 같은 objective verifier를 만들 수 있다.

Arcee가 2026년 별도 공개한 Trinity Mini scientific post-training 사례는 tool selection, arguments, retrieved facts, completion, efficiency 등을 reward로 두고 GRPO+LoRA를 사용했다. 이는 GS1 성능결과가 아니라 개발사가 scientific behavior를 어떻게 학습시키는지 보여주는 인접 기술사례로 보는 것이 정확하다.

5. Tool-Augmented Scientific Reasoning

모델이 모든 수치계산을 token prediction으로 흉내 내는 대신 compiler, simulator, scheduler, database, notebook, instrument를 호출한다.

6. Hybrid AI + Numerical Solver

예를 들어 GS1이 어떤 Earth-system experiment를 수행할지 계획하고 Aurora가 surrogate forecast를 수행하며, 필요한 경우 HPC solver가 high-fidelity 계산을 담당하는 구조다.

7. Persistent Scientific State

장기 workflow의 state는 단순 chat history가 아니라 hypothesis, evidence, counter-evidence, uncertainty, failure를 포함해야 한다.

8. Expert-Grounded Evaluation

SciAgentArena가 보여주듯 현재 agent는 구조가 명확한 분석에서는 가능성을 보이지만 novel insight와 self-directed exploration에서는 약하다. 따라서 static QA보다 expert-designed interactive workflow benchmark가 필요하다.

여덟 개의 초기·잠재 응용

1. HPC Code Modernization

가장 직접적인 초기 application이다. Legacy Fortran/MPI repository를 이해하고 modernization plan을 세운 뒤 C++/OpenMP/CUDA/HIP로 수정하고 compile, unit test, numerical-equivalence test, performance benchmark까지 수행하는 end-to-end workflow다.

2. Simulation Campaign Management

수많은 parameter 조합을 brute-force로 계산하는 대신 이전 simulation 결과와 uncertainty를 분석해 다음 HPC job을 선택하고 실패를 복구하는 simulation campaign agent가 될 수 있다.

3. Experimental Analysis

Robin이 보인 것처럼 hypothesis → experiment → raw data → analysis → updated hypothesis를 반복하는 연구에 적용할 수 있다. GS1의 역할은 wet-lab model 자체보다 분석·계획·도구 orchestration과 provenance 관리가 될 가능성이 높다.

4. Materials Science

MatterGen 같은 generative material model, DFT/ML potential, synthesis planning을 연결하면 desired property → candidate generation → simulation → ranking → synthesis → measurement → evidence revision의 loop를 구성할 수 있다.

5. Earth System Science

Aurora 같은 Earth FM과 결합해 model/data 선택, prediction, comparison, interpretation을 조직할 수 있다. GS1이 domain FM의 대체재가 아니라 coordinator가 되는 대표적 예다.

6. Biology

multimodal biology FM이 genomics, transcriptomics, epigenomics, proteomics, metabolomics, spatial profiling을 통합하면 GS1 계열 agent는 literature/data retrieval, perturbation planning, analysis, evidence synthesis를 맡을 수 있다.

7. Energy Systems

PowerChain이 보여준 것처럼 GridLAB-D 같은 structured tool, workflow DAG, verifier, feedback correction을 이용해 grid analysis와 planning을 자동화할 수 있다. 핵심은 자연어 답이 아니라 검증 가능한 tool execution이다.

8. Fusion & High-Energy Physics

대규모 simulation과 detector data를 대상으로 anomaly analysis, parameter search, code generation, experiment interpretation을 연결할 수 있다. 다만 각 domain의 high-fidelity solver와 expert validation이 반드시 필요하다.

아직 풀리지 않은 일곱 문제

1. Foundation의 평가기준: chemistry, physics, materials에서 각각 잘하는 것과 cross-domain/cross-problem generalization은 다르다.
2. Model–Harness Attribution: 성능이 trillion-scale model, tool architecture, retrieval, checkpointing, verifier, domain data 중 어디서 오는지 엄격한 ablation이 필요하다.
3. Open Weight ≠ Full Reproducibility: weights만으로는 training data, recipe, environment, tool version을 재현할 수 없다.
4. Negative Evidence: failed experiment, counter-evidence, rejected hypothesis를 장기 memory에 보존해야 한다.
5. Numerical Hallucination: 그럴듯한 숫자, 잘못된 unit, simulation parameter, convergence가 텍스트 hallucination보다 더 위험할 수 있다.
6. Paper-scale Reliability: PaperBench와 ReplicationBench 계열 결과는 장기 scientific replication 성공률이 여전히 낮음을 보여준다.
7. Compute Economy: 모든 판단을 거대모델로 처리하는 대신 router가 small specialist, domain FM, GS1-class reasoner, physics solver 중 적절한 자원을 골라야 한다.

2027년 이후 특히 중요한 여덟 방향

GS1을 가장 정확하게 읽는 법

따라서 현재 GS1을 가장 생산적으로 이해하는 식은 다음과 같다.

그리고 장기적으로 가장 흥미로운 발전방향은 Scientific Workflow Foundation Model이다. 이 모델은 말의 다음 token이 아니라 research state에서 가장 합리적인 다음 과학 행동을 선택한다. 2025–2026 연구가 공통적으로 보여주는 것도 같다. 모델이 과학지식을 많이 아는 것보다 올바른 tool을 사용하고, 실행하고, 실패를 복구하고, 불확실성을 인지하고, 근거를 추적하고, 결과를 재현하게 만드는 일이 훨씬 어렵다.

그렇기 때문에 다음 경쟁의 핵심은 “누가 가장 큰 scientific LLM을 만드는가”보다 누가 가장 검증 가능하고 재현 가능하며 반증 가능하고 스스로 수정할 수 있는 AI Scientist를 만드는가가 될 가능성이 높다.