최근 대규모 언어모델(LLM)은 추론, 계획, 도구 사용 등 다양한 분야에서 강력한 역량을 보여주고 있지만, 과학 및 공학 분야의 많은 작업은 단순히 그럴듯한 텍스트나 코드 생성 이상의 것을 요구합니다. 시스템이 개입에 어떻게 반응하는지 이해하려면 실제 환경에서 통제된 실험이 필수적입니다. 이러한 한계를 극복하기 위해, LLM 에이전트가 과학 시뮬레이션 모델을 활용하여 통제된 실험을 수행하는 다중 에이전트 프레임워크가 새롭게 제안되었습니다.
이 프레임워크는 제약 공정 설계를 목표로 하며, 사용자 질의와 기본 구성(baseline configuration)을 입력받아 작동합니다. 시스템은 먼저 구조화된 작업 표현을 구성하고, 그에 맞춰 실험을 설계합니다. 이후 비교 시뮬레이션을 실행하고, 도출된 결과를 해석하여 공정 매개변수 최적화를 위한 증거 기반 권장 사항을 종합적으로 제시합니다. 언어 모델의 유연한 추론 능력과 고정밀 시뮬레이션 모델의 정확성을 상호작용하는 에이전트 프레임워크로 결합함으로써, 개입, 비교, 관찰을 통한 심층적인 추론이 가능해집니다.
이러한 접근 방식은 언어 모델 단독으로 추론할 때보다 훨씬 더 구체적이고 실행 가능한 결과물을 생성합니다. 실제 산업 응용 환경에서 이 시스템은 더 높은 출력 특이성(specificity)을 보였으며, 사용자 평가에서도 정확성과 유용성 측면에서 향상된 점수를 받았습니다. 시뮬레이션 통합 실험 추론의 효과와 실용적 유용성은 제거 연구(ablation studies)와 시각화된 사례 분석을 통해 추가적으로 입증되었습니다. 이는 LLM이 단순한 정보 생성 도구를 넘어, 복잡한 과학 및 공학 문제 해결의 핵심적인 조력자로 발전할 수 있음을 시사합니다.