MatPilot: an LLM-enabled AI Materials Scientist under the Framework of Human-Machine Collaboration

Motivation

Known: 기존 데이터 기반(data-driven) 재료 과학 연구는 상관관계(correlation) 분석에 편향되어 있으며, 선형 논리에 의존하는 반자동화된 기계적 시스템으로 인과관계 파악 및 도메인 지식 통합에 제한이 있음
Gap: 현재 AI 방법론들은 통계 분석에만 의존하여 새로운 과학 이론 발견에 필요한 인간 수준의 지능에 도달하지 못하며, 자동화 실험 플랫폼이 제한적임 (유기화학·제약에만 주로 적용)
Why: 연구자의 직관과 경험을 체계적으로 통합할 수 있는 자연어 기반 인간-기계 협업 프레임워크가 필요하며, 재료 준비에서 특성화까지 전체 과정을 아우르는 자동화 플랫폼이 절실함
Approach: LLM 기반의 다중 에이전트 시스템과 자동화 실험 플랫폼을 통합하는 MatPilot 개발, 검색 강화 생성(RAG) 기법으로 재료 과학 전문 지식 구축, 발산적/수렴적 사고의 협력에 기반한 창의성 생성 프레임워크 구현

MatPilot 아키텍처 (에너지 저장 세라믹스 예시)

인지 모듈의 강화된 지식 및 창의성: 고품질 지식 베이스 구축(문헌 선별→데이터 추출→지식 증류→지식 그래프 구성)과 탐색/평가/통합 에이전트 기반 다중 에이전트 협업으로 혁신적인 연구 방향과 실험 프로토콜 자동 생성 실현
실행 모듈의 전주기 자동화: 고체상 소결법(solid-state sintering) 기반 세라믹 재료 제조의 자동화 워크스테이션 통합으로 원료 칭량, 볼 밀링, 소결, 과립화, 특성 측정 등 전 과정의 자동화 및 반복성/재현성 향상

고품질 지식 베이스 구축 워크플로우

혁신 생성을 위한 다중 에이전트 및 인간-기계 토론 협업 프레임워크

인지 모듈:

지식 획득 (Knowledge Acquisition): 검색 강화 생성(RAG) 기법을 통한 재료 과학 전문 지식 베이스의 동적 업데이트 및 다층적 정보(표 형식, 증류된 텍스트, 관계 그래프) 통합
혁신 생성 (Innovation Generation): 구조적 지능 이론(structural intelligence theory) 기반의 세 가지 에이전트 계층 구조 (탐색 에이전트: 발산적 사고, 평가 에이전트: 실행 가능성 분석, 통합 에이전트: 최종 제안 종합) + 양방향 인간-기계 피드백 루프

실행 모듈:

혁신적 프레임워크: 순수 데이터 기반 접근의 한계를 극복하는 인간의 직관 + AI의 계산능력 결합 모델로, 기존 자동화 시스템(제약/유기화학 중심)과 달리 고체 재료 전 주기 자동화 실현
구조화된 다중 에이전트 협업: 발산-수렴 사고의 순환적 통합과 인간 전문가의 피드백 루프를 통한 창의성 생성 메커니즘의 체계화
동적 지식 베이스: 고정된 학습 데이터에 국한되지 않고 최신 문헌을 지속적으로 반영하는 진화형 지식 시스템
엔드-투-엔드 자동화: 기존의 단편적 자동화가 아닌 세라믹 제조 전 공정(원료 칭량 → 소결 → 특성 측정)의 완전 자동화

지식 베이스의 도메인 편향: 현재 시스템이 에너지 저장 세라믹스에 중점을 두고 있어 다른 재료 계(합금, 고분자 등)로의 확대 가능성에 대한 검증 필요
자동화 플랫폼의 일반화: 특정 고체 소결 공정 기반의 자동화가 고온 합성, 화학 기상 증착(CVD) 등 다양한 제조 공정으로 확장되는 방법론 미흡
인간-기계 협업의 정량화 부족: 정성적 협업 프레임워크 제시에는 성공했으나, 연구 효율성 증대를 정량적으로 입증하는 사례 연구의 상세 데이터 부재
후속 연구 방향: (1) 다학제 재료 시스템에 대한 확장형 지식 그래프 개발, (2) 강화학습(reinforcement learning) 기반의 자율 최적화 알고리즘 심화, (3) 실제 신소재 발견 시나리오에서의 장기 자동 실험 검증, (4) 인간-AI 협업의 의사결정 투명성 및 설명 가능성 강화