경험적 연구 지원(ERA): <네이처> 논문 등재를 넘어 계산 과학 발굴의 촉매제로!

AI가 인류에게 가져다줄 수 있는 가장 큰 잠재적 이점 중 하나는 과학적 발견의 속도와 범위를 늘리는 거예요. 구글이 개발한 연구 도구인 ERA(Empirical Research Assistance)는 제미나이(Gemini)를 사용해서 과학 코드를 작성하고 최적화하는데요, 과학 연구에서 가장 많은 시간이 소요되는 부분 중 하나인 계산 실험을 반복적으로 테스트하고 개선하는 과정을 해결해줘요. 이 내용은 오늘 <네이처(Nature)> 저널에 실린 "과학자들이 전문가 수준의 경험적 소프트웨어를 작성하도록 돕기 위해 설계된 AI 시스템"이라는 논문에 자세히 설명되어 있어요.

오늘 I/O에서 발표된 더 넓은 범위의 과학 분야 소식의 일환으로, 이 기술을 전 세계 과학자들이 활용할 수 있는 도구로도 공개하고 있어요. ERA는 오늘 제미나이 포 사이언스(Gemini for Science)를 통해 더 광범위하게 배포되기 시작하는 새로운 실험 도구인 'Computational Discovery'를 구축하는 데 사용된 시스템 중 하나예요.

과학 코딩을 위한 다재다능한 도구, ERA를 소개합니다

ERA의 설계와 성능에 대해서는 지난 가을 프리프린트가 공개될 때 처음 공유했었어요. 과학적인 문제와 성공 기준이 주어지면, ERA는 과학 문헌을 검색하고, 코드를 작성하고, 솔루션을 탐색하고, 여러 기술을 결합해서 결과를 평가할 수 있어요. ERA는 수천 가지 옵션을 고려하는데요, 주어진 목표에 맞춰 출력 코드를 최적화하기 위해 트리 검색(tree search) 방식을 사용해요.

구글 연구팀의 <네이처> 논문에서는 유전체학, 공중 보건, 위성 이미지 분석, 신경 과학 예측, 일반적인 시계열 예측 벤치마크, 수학 등 다양한 분야의 벤치마크 문제에 ERA를 테스트한 내용을 담고 있어요. 결과는 ERA가 이 모든 벤치마크에서 전문가 수준의 성능을 달성했으며, 미래에 전문가 수준의 계산 모델링 접근성을 민주화하고 현재 전문가들의 역량을 확장할 잠재력을 보여줘요.

ERA를 미해결 과학 문제에 적용하다

지난 6개월 동안 구글 리서치 과학자들과 협력자들은 ERA를 활용한 실험을 활발하게 진행해 왔어요. 4월 말에는 ERA를 사용해서 현재 미해결된 과학 문제를 연구했던 4가지 프로젝트의 예시를 공유했었죠.

지금은 ERA를 특정 과학 문제에 적용한 논문이 총 8개가 있는데, 여기에는 아래에서 설명할 5개의 새로 발표된 논문도 포함되어 있어요. 이 모든 결과는 ERA가 즉각적인 과학적 영향과 공공의 이점을 가져다줄 수 있는 여러 분야에서 발전을 이끌 수 있음을 보여줘요.

• 구글 과학자들과 협력자들은 독감, 코로나19, RSV에 대해 미국 주(州) 단위로 최대 4주 전까지 병원 입원율을 예측하는 ERA를 활용한 전염병 예측에 대한 분석을 발표했어요. ERA의 예측은 이 세 가지 호흡기 바이러스 모두에 대해 공공 질병통제예방센터(CDC) 리더보드에서 꾸준히 상위권을 차지하거나 거의 맨 위를 기록하고, 다른 국가나 질병에도 쉽게 복제할 수 있는 기술을 사용해요.

• 구글 연구팀은 ERA를 사용해서 캘리포니아의 눈 녹은 물 공급 강 유역에 걸친 계절별 유량 예측 모델을 만들었는데요, 이는 캘리포니아 주민과 농업 부문에 필수적인 자원이에요. 그 결과로 나온 모델은 캘리포니아 주의 공식 계절별 수자원 전망인 Bulletin 120 (B120)보다 훨씬 더 정확한 봄철 유량 초기 예측을 제공해서, 이 부족한 자원의 관리를 잠재적으로 개선할 수 있어요.

• 구글 연구팀은 ERA를 활용해서 정지 궤도 기상 위성 데이터를 사용, 대기 중 이산화탄소(CO2) 농도를 전례 없는 시공간 해상도로 매핑한 새로운 결과를 공유했어요. ERA로 개발된 모델은 뚜렷한 도시 지역 강화 현상을 포함해 인간 활동으로 인한 CO2 농도 변화를 포착해요. 이 모델에서 파생된 추정치는 작물과 다른 식물들이 자라면서 CO2를 어떻게 흡수해서 낮 동안 CO2 농도가 낮아지는지, 그리고 다른 자연적 및 인위적 순환이 대기 중에서 어떻게 작용하는지도 보여줘요. 이런 AI 추정치는 중요한 온실가스인 CO2가 공간과 시간에 따라 어떻게 변하는지 모델링하고 모니터링하며 이해하는 데 도움이 될 거예요.

• 구글 연구팀은 ERA와 구글 안티그래비티(Google Antigravity)를 사용해서 3D 태양 에너지 최대화를 탐색했고, 이는 두 시스템을 결합하는 방법의 사례 연구였어요. 서로 다른 패널 지형의 태양 에너지 포집을 최적화하는 데 집중했죠. ERA는 500개의 삼각형으로 이루어진 입체 팬이 후방 음영(backward shading) 없이 산란된 태양 복사 에너지를 포집해서, 미래 태양 에너지 장치 설계에서 에너지 포집을 극대화할 수 있음을 발견했어요.

• 구글 연구팀은 ERA를 소매 예측 작업에도 적용했어요. 소매 예측은 고객이 필요한 것을 얻고, 기업이 효율적으로 운영되며, 낭비를 최소화하고, 정부가 경제 정책을 최적화할 수 있도록 보장하는 경제학 분야거든요. 미국 경제 지표, 구글 트렌드(Google Trends) 데이터, 과거 패턴, 소비자 심리 등 널리 사용 가능한 입력값을 활용해서 ERA가 고안한 모델은 시판되는 컨센서스 추정치와 시카고 연은 선진 소매 무역 요약(CARTS) 월간 소매 예측 모두를 충족하거나 능가하는 성능을 보여줬어요.

ERA와 AlphaEvolve로 구축된 Computational Discovery를 소개해요

오늘 구글은 알파에볼브(AlphaEvolve)와 ERA로 구축된 Computational Discovery에 대한 접근을 점진적으로 열기 시작할 거예요. 구글 연구팀은 AI 기반 계산 도구로 가능해진 이 새로운 과학 발견 시대에 매우 기대가 크고, 더 넓은 커뮤니티와 함께 이런 도구들을 계속 발전시켜 나갈 예정이에요.

새로 출시된 제미나이 포 사이언스(Gemini for Science) 실험 중 또 하나는 AI 코-사이언티스트(AI Co-Scientist)로 구축된 가설 생성(Hypothesis Generation)인데요, 이 역시 오늘 네이처(Nature)에 발표된 논문에 설명되어 있어요. 가설 생성(Hypothesis Generation)과 Computational Discovery, 그리고 새로운 문헌 인사이트(Literature Insights) 실험 도구는 과학적 방법의 여러 단계를 지원하면서 서로 보완적인 역할을 해요. labs.google/science를 방문해서 관심 등록을 할 수 있어요.

감사 인사

ERA 개발을 도와주신 저자 목록에 있는 모든 협력자분들과 초기 사용자 과학자분들께 감사드려요. ERA의 기반 알고리즘 개발은 Eser Aygun, Gheorghe Comanici, Shibl Mourad가 이끌었고요. 전염병 예측 작업은 Zahra Shamsi, Sarah Martinson, Nicholas Reich, Martyna Plomecka, Brian Williams가 주도했어요. 이산화탄소 모니터링 연구는 Aarón Sonabend-W, Sean Campbell, Renee Johnston, Vishal Batchu, Carl Elkin, Christopher Van Arsdale, John Platt, Anna Michalak가 이끌었고요. 유량 예측 논문은 Ignacio Lopez-Gomez, Michael Brenner, Tapio Schneider가 작성했어요. 태양 에너지 공학 관련 논문은 Michael Brenner, Lizzie Dorfman, John Platt가 저자예요. 거시 경제 소매 판매 예측 연구는 Michael Brenner, Qian-Ze Zhu, Zahra Shamsi, Mette Nielsen, Paul Raccuglia가 이끌었고요. John Platt, Michael Brenner, Shibl Mourad, Lizzie Dorfman, Vip Gupta, Zoubin Ghahramani, Alison Lentz, Erica Brand, Katherine Chou, Ronit Levavi Morad, Yossi Matias, James Manyika의 리더십 지원에 깊이 감사드려요.