AI 과학연구 // 과학

Paper2Agent 시스템은 정적인 과학 논문을 상호작용 가능한 AI 에이전트로 변환하여 복잡한 질의에 응답하고 협업하게 한다 ^[1][4]. 이는 연구자가 생소한 분야의 작업을 이해하고 논문을 재현하는 것을 용이하게 한다 ^[1]. X-ray 기술과 AI는 고대 로마 두루마리 파편 잉크의 납 성분 발견과 함께 베수비오 화산 폭발로 손상된 고대 텍스트를 읽는 데 도움을 줄 수 있다 ^[3]. 환자 맞춤형 AI 모델은 최소 침습 수술의 정밀도를 향상시킨다 ^[6]. 한편, 박쥐, 고래, 새 등 동물의 통신을 해독하려는 AI 시도들이 있었으나, 소리가 의미와 동일하지 않기 때문에 해독에 어려움이 있다는 연구 결과가 있다 ^[2]. 인간 뇌 조직을 피질이 없는 쥐에 이식한 사례에서 광범위한 세포 통합이 확인되었으며, 이는 새로운 치료법의 생체 내 테스트 플랫폼을 제공할 수 있다 ^[7].

로봇과 AI가 135년 된 고전 화학 반응에서 예상치 못한 경로를 발견했다 ^[1]. 머신러닝은 인간의 코를 매핑하며 후각을 구현하고 있다 ^[4]. 고급 AI 세포 모델이 현대 세포 생물학 연구를 재정의한다 ^[3]. 생물학적 및 공학적 시스템의 세포와 센서는 기능하기 위해 잡음이 섞이고 변화하는 신호를 파악해야 하며, 이 정보 수집과 사용에는 에너지가 소모된다는 생물물리학적 모델이 제시되었다 ^[5]. AI 워터마크 및 기타 탐지 도구들이 AI 생성 텍스트를 탐지하는 방법과 그 신뢰도, 작동 방식에 대한 논의가 있다 ^[2].

스탠퍼드 의과대학 연구진이 생물학적 세포를 모델링한 두 개의 인공지능 모델을 개발했다 ^[1]. 이 중 '유니버설 셀 임베딩(universal cell embedding)'은 2세대 모델의 기반이 되었다 ^[1]. 제약회사들이 보유한 2만 개 이상의 단백질 구조 데이터를 학습한 AI 시스템이 알파폴드(AlphaFold)와 유사한 모델보다 뛰어난 성능을 보였다 ^[2].

AI가 세포막과 그 내부 단백질의 3D 매핑을 자동화하여 수동 작업 대비 시간을 단축하며 수동 결과와 일치하는 성과를 냈다 ^[1]. 세포 신호 전달 지문을 다양한 세포 유형에 걸쳐 해독하는 AI 모델이 개발되었다 ^[2]. AI는 현미경이 샘플 내에서 가장 정보 가치가 높은 나노 규모의 특징을 찾도록 돕는다 ^[3]. AI가 상대성 이론을 재발견하려는 시도에 관한 '아인슈타인 테스트'가 진행되었다 ^[4]. 대학이 AI 탐지기를 도입하자 대학생들이 모인 온라인 커뮤니티에서 이를 우회하는 노하우가 공유되고 있다^{♪1 [5]}.

1. ♪1…라고 쓰고 'AI 탐지기와의 숨바꼭질'이라고 읽어요.래니의 각주 · 「대학생들이 모인 온라인 커뮤니티에…」

초저온 전자현미경(cryo-EM)은 단백질, 바이러스, 분자 복합체의 구조를 원자 수준에 가까운 해상도로 결정하는 도구로 활용된다 ^[1]. 인공지능 기반의 생의학 발견을 위해 미주리 대학교 공과대학 팀과 협력자들이 연구를 진행했다 ^[4]. 칠면조 체중을 모니터링하는 인공지능은 93%의 정확도로 3주 앞서 체중을 예측한다 ^[6]. 90억 개의 돌연변이 영향을 평가할 수 있는 인공지능 도구가 존재한다 ^[7].

대규모 언어 모델(LLM)과 양자 물리학의 결합은 연구 속도를 높일 수 있다는 QuSoft 심포지엄의 결과가 있다 ^[2]. 반면 대규모 언어 모델(LLM)은 새로운 언어를 발명할 수 없기에 최첨단 과학을 수행할 수 없다는 견해가 있다 ^[3]. 재료 과학을 위한 인공지능은 물리학적 통찰을 수용해야 한다 ^[5].

학계 연구자들은 기업 부문보다 낮은 급여를 받는 상황을 '아카데미아 세금(academia tax)'으로 표현하며, 연구의 자유가 더 높은 가치를 지닌다고 설명한다 ^[8]. 한편 오픈 사이언스 프레임워크(OSF)는 자금 조달 문제로 인해 데이터와 코드 호스팅을 중단하는 정책 변경을 11월부터 시행한다 ^[9].

스위스 연구진이 NASA의 기후 데이터를 활용해 자연재해 예측 모델을 훈련하고 있다 ^[1]. 물고기가 온도 스트레스로 인해 평형 상실(LOE)을 겪는 순간을 자동으로 감지하는 AI 기반 시스템이 개발되었다 ^[7]. AI가 예측한 수백만 개의 구조를 분석하여 수용체 가족 구성원과 유사하지만 비전형적인 행동을 보이는 진화적으로 보존된 단백질이 발견되었다 ^[8]. 언어 모델이 과거 데이터를 통해 창의적 돌파구를 재현할 수 있는지 확인하기 위해 상대성 이론 재발견 여부를 조사하는 연구가 진행 중이다 ^[9].

물질의 열전도율을 예측하는 AI 모델들의 성능 차이 원인을 밝히기 위해 물리학 기반 벤치마크가 활용되었다 ^[11]. 닝보 동부기술연구원(EIT) 연구진은 고체 재료 실험 데이터에서 간결하고 정확한 구성 방정식을 직접 추출하는 그래프 기반 접근법을 개발했다 ^[12]. AI 생성 이미지가 특정 상황에서 종 식별 모델의 성능을 향상시킬 수 있으나, 실제 관측 데이터의 대체재는 없는 것으로 나타났다 ^[4].

AI 도구가 과학의 핵심 협력자가 됨에 따라 대학이 학생들에게 AI에 도전하는 법을 가르쳐야 한다는 의견이 제시되었다 ^[2]. AI 모델이 위험한 생명과학 실험에 사용되는 방식과 이에 대한 규제 부족에 주의가 집중되고 있다 ^[6]. 실시간으로 식품 부패를 감지하는 AI 기반 자가 치유 포장재의 미래가 제시되었다 ^[3]. 초등학생을 대상으로 한 과학 기반 디지털 파닉스 읽기 앱이 초기 읽기 능력을 가속화하고 교사의 학생 식별을 돕는다는 연구 결과가 나왔다 ^[10].

AI가 인간이 설계한 설정보다 성능이 뛰어날 수 있는 새로운 물리학 실험을 제안한다 ^[1]. 소분자의 숨겨진 우주를 매핑하는 새로운 AI 도구가 개발되었다 ^[2]. 물리학 기반 AI는 암석을 통해 핵심 광물이 이동하는 방식에 대한 예측을 개선한다 ^[3]. AI 기반의 폴리머 발견은 폐쇄 루프 테스트를 통해 수년간의 시행착오를 대체할 수 있다 ^[5]. AI는 친환경 제품을 위한 핵심 식물 단백질을 찾아낸다 ^[7]. 남아프리카 공화국의 한 엔지니어는 암 진단 속도를 높이기 위한 AI 테스트를 진행한다 ^[8]. 로체스터 대학교의 협력 연구는 치과 의사들이 환자의 공포와 우려에 더 잘 대응하고 신뢰를 구축하도록 돕는 AI 기반 가상 환자를 사용한다 ^[4]. AI가 과학 저술을 돕거나 과학을 수행할 때의 책임 소재와 오류에 대한 책임 문제가 제기된다 ^[12][13]. 교수들은 AI 도구가 통하지 않는 시험을 개발하는 등 학생들의 AI 사용에 대응하는 평가 방식을 재고하고 있다 ^[11].

시애틀의 과학자들이 9,500만 달러 규모의 AI 생물학 프로젝트를 시작했다 ^[1]. AI는 원자 단위로 맞춤형 기능성 재료를 생성하는 과정을 자동화한다 ^[2]. 리즈 대학교 식품과학영양학부 연구진은 수천만 개의 초기 물질 중 유화제 역할을 할 수 있는 식물성 단백질 약 800개를 빠르게 식별하는 AI 프로세스를 개발했다 ^[3]. AI가 고대 언어 해독에 도움을 줄 수 있는지에 대한 논의가 진행 중이다 ^[4]. 과학자들은 Gaia 데이터의 별 수천 개를 AI로 스캔하여 뜨거운 준왜성(hot subdwarf)을 분석한다 ^[5].

AdaptiveFlow는 기존 방식 대비 계산 비용을 1,000배 줄여 수십억 개의 약물 유사 분자를 가상 스크리닝할 수 있는 AI 기반 플랫폼이다 ^[1]. 카디프 대학교 연구진은 ICML 2026에서 현대 AI의 근본적 과제인 복잡한 생물학적 데이터 이해를 다룬 두 건의 연구를 발표했다 ^[2]. Constructor University와 Constructor Labs는 14종의 생물학적 중요 이온의 결합 부위를 3차원 구조에서 직접 찾아내는 딥러닝 모델 BiteNetI를 개발했다 ^[3]. 연구진은 AI를 활용해 핵심 금속 합금의 3D 프린팅을 민주화하는 연구를 수행했다 ^[4].

AI가 연료를 생산하는 조류의 세포 중 기여도가 높은 세포를 식별한다 ^[1]. 또한 AI는 기계적 응력 하에서 전기를 생성하는 압전 세라믹 소재를 찾는 과정의 시행착오를 간소화한다 ^[2].

단백질의 기능은 구조에 의해 결정되며, 구조는 단백질의 구성 요소인 아미노산 서열에 의해 결정된다 ^[1]. AI 모델은 자연에서 발견되는 것 이상의 안정적인 단백질 서열을 설계할 가능성이 있다 ^[1]. 한편, 콜로라도 대학교 볼더 캠퍼스 연구진은 AI 어시스턴트의 도움을 받아 연구실에서 1년 반 동안 해결하지 못한 수학 문제를 5주 만에 해결했다 ^[2]. 해당 AI는 과정 중 미세한 오류를 범했다 ^[2].

UTHealth Houston 소속 Novamab AI 팀이 블라인드 방식의 전향적 벤치마크인 국제 AIntibody Challenge에서 상위 5개 팀에 포함되며 항체를 설계했다 ^[1]. 한편, 다학제 연구팀은 학부생들이 연구에 대해 비판적으로 사고하도록 돕는 인공지능 기반의 단계별 프레임워크인 Socratic Challenger를 개발하고 시연했다 ^[2].

과학자들과 출판사들이 AI 생성 텍스트 탐지에 높은 정확도를 약속하는 새로운 소프트웨어들을 테스트하고 있다 ^[1]. 유럽 입법자들은 인공지능 규제 방안에 관한 논의 과정에서 많은 역할을 수행하고 있다 ^[2]. 88만 건 이상의 다양한 텍스트 분석 결과, 거대언어모델(LLM)은 전체적인 의미를 바꾸지 않으면서 글쓰기 스타일을 더 유사하게 만들고 있으며, 그 과정에서 정체성과 개성이 사라지고 있다 ^[3].

AI가 인간 유전자의 약 60%에서 발견되는 DNA 개시 서열을 해독했다^[1]. 이는 건강한 발달과 성장에 필수적인 수만 개의 유전자 정밀 활성화와 관련이 있다^[1]. 한편 미스트랄AI는 기업 내부 문서를 자동 탐색하고 답변 근거를 검증하는 에이전틱 서치 기술을 공개했다^[2]. 해당 기술은 미스트랄 검색 툴킷과 라이브러리를 통해 제공되며, 스튜디오와 바이브에서도 이용 가능하다^[2].

AI가 새로운 물리학 탐색에서 기록적인 민감도를 높이는 데 기여했다 ^[1]. 이와 별개로 이스라엘 과학자들은 AI가 성격 검사를 제작하고 응답을 예측할 수 있다고 밝혔다 ^[2].

12월에 발행된 생의학 논문의 90%에서 AI 도움의 흔적이 나타났다 ^[1]. 이는 거대언어모델 사용에 관한 이전 추정치보다 높은 수치다 ^[1]. 한편, HydroGym이라는 계산 환경은 에이전트에게 유체 흐름 제어 전략을 학습시킨다 ^[2]. 이 전략은 에이전트가 학습하지 않은 시나리오에도 적용될 수 있다 ^[2]. HydroGym은 60개 이상의 표준화된 강화학습 흐름 제어 환경을 제공하며, 제로샷 전이(zero-shot transfer)를 입증했다 ^[3].

AI가 10만 개 이상의 막 조합을 스크리닝하여 탄소 포집 성능을 수초 내에 예측한다 ^[1]. 산업 공정과 에너지 생산의 이산화탄소 배출 감소는 기후 변화 대응의 주요 기술적 과제이며, 막 기반 가스 분리가 대안으로 제시된다 ^[1]. 한편, 자율 AI 에이전트가 양자 컴퓨팅 코드를 작성하고 실행할 수 있으나 때로는 인간의 개입이 필요하다 ^[2].

에이전트 시스템이 컴퓨터 과학 논문 두 편에서 개념을 도출했으나, 원저자들은 이에 감명받지 않았다 ^[1]. 한 연구에 따르면 과학자들이 완전히 이해하거나 검사 또는 검증할 수 없는 강력한 데이터 소스와 도구인 블랙박스 기술에 점점 더 의존하고 있으며, 이는 과학적 발견에 대한 신뢰를 저해할 수 있다 ^[2].

메커니즘 시뮬레이션으로 신경망을 훈련하는 방식이 과학적 추론을 개선한다 ^[1]. 미생물이 이산화탄소, 수소 등 기초 화학 성분을 이용해 인간이 섭취 가능한 단백질과 비타민 B9을 상업적으로 가능한 가격에 생산하는 생명공학 공정이 개발 중이다 ^[2]. AI가 종양 세포의 전이 기원을 추적하는 데 도움을 준다 ^[3]. 수의사들이 개 심장병 환자의 심장 크기 변화를 정밀하게 추적할 수 있도록 돕는 AI 도구가 있다 ^[4].

스탠퍼드 대학교 연구팀이 AI로 설계한, 자연계에 존재하지 않는 16종의 실행 가능한 바이러스를 생성했다 ^[1]. 해당 실험 결과는 Science에 게재되었으며, 약제 내성 박테리아에 대응하는 새로운 경로를 제시한다 ^[1]. 한편 AI는 강물이 퇴적물, 모래, 실트, 토양을 강렬한 분출 형태로 이동시키는 패턴을 발견했다 ^[2]. 이러한 퇴적물은 지형에서 씻겨 내려와 강을 형성하는 데 중요한 역할을 한다 ^[2]. 꿈이 AI로 인해 모두 동일하게 변할지에 대한 논의가 Nature에 게재되었다 ^[3].

AI를 활용한 열대저기압의 운영 예보가 수행되었다 ^[1]. 공간 단백질 분석을 위해 조직 구성의 척도 간 특성을 포착하는 파운데이션 모델인 Virtual Tissues(VirTues)가 개발되었다 ^[3]. 의료 AI 도구의 프라이버시 공격은 특정 개인의 의료 데이터가 모델 학습에 사용되었는지 여부를 드러낼 수 있으며, 이러한 위험은 다수와 다른 특성을 가진 사람들에게 균등하게 공유되지 않는다 ^[2].

120만 장의 위성 이미지를 AI로 분석한 결과, 전 세계 해양에 부유성 조류 번식이 확산하고 있음이 확인되었다 ^[1]. 야생 꼬리감브논원숭이의 인지 연구를 자동화하기 위해 안면 인식과 실시간 터치스크린 테스트를 활용한 AI 시스템이 개발되었다 ^[3]. 'Raygun' AI는 자연 진화와 유사한 단계를 통해 단백질 하위 단위를 추가, 제거 또는 교체하여 단백질 크기를 조절할 수 있다 ^[5]. 한편, 거대언어모델(LLM)의 사용과 출판 인센티브의 결합이 더 많은 논문 생산으로 이어지나, 질적 수준은 낮아질 수 있다는 연구 결과가 제시되었다 ^[2]. 광학적 광자 시간 결정이 최초로 구축되어 테라헤르츠 빛의 거동을 매우 빠른 속도로 재구성할 수 있게 되었다 ^[4].