EPFL의 GOLLuM은 자연어 실험 절차를 이해하는 LLM에 불확실성을 추정하는 Gaussian process를 결합한 최적화 도구입니다. 23개 화학, 소재와 분자 벤치마크에서 최대 50회 실험으로 고른 조건 중 상위 5% 비율이 36.3%로 전통적 descriptor 기반 Bayesian optimization의 29.7%보다 높았고 비슷한 결과까지 필요한 실험도 40% 이상 줄었다고 보고했습니다. 실제 실험실 전반의 재현성은 추가 검증이 필요합니다.
Tech로 돌아가기
Tech
GOLLuM이 불확실성을 반영해 실험 횟수를 40% 이상 줄였습니다
과학 에이전트에는 LLM의 지식만 맡기기보다 불확실성을 계산하는 확률 모델을 함께 두는 편이 안전합니다.
출처
- 불확실성 아는 AI로 과학 실험 최적화…EPFL, GOLLuM 개발 공개 — 인공지능신문
- Large language models as uncertainty-calibrated optimizers for experimental discovery — Nature Machine Intelligence
- GOLLuM Repository — GitHub