과학을 위한 AI에서 자율 과학으로: 자율적 과학 발견에 대한 조사
From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery
August 18, 2025
저자: Jiaqi Wei, Yuejin Yang, Xiang Zhang, Yuhan Chen, Xiang Zhuang, Zhangyang Gao, Dongzhan Zhou, Guangshuai Wang, Zhiqiang Gao, Juntai Cao, Zijie Qiu, Xuming He, Qiang Zhang, Chenyu You, Shuangjia Zheng, Ning Ding, Wanli Ouyang, Nanqing Dong, Yu Cheng, Siqi Sun, Lei Bai, Bowen Zhou
cs.AI
초록
인공지능(AI)은 과학적 발견을 재구성하며, 특수화된 계산 도구에서 자율적인 연구 파트너로 진화하고 있습니다. 우리는 '에이전트 과학(Agentic Science)'을 더 넓은 AI for Science 패러다임 내에서 중추적인 단계로 위치지으며, 여기서 AI 시스템은 부분적인 지원에서 완전한 과학적 주체성으로 발전합니다. 대규모 언어 모델(LLMs), 멀티모달 시스템, 통합 연구 플랫폼의 지원을 받아, 에이전트 AI는 가설 생성, 실험 설계, 실행, 분석, 반복적 개선 등 한때 인간만의 고유한 행동으로 여겨졌던 능력을 보여줍니다. 본 논문은 생명과학, 화학, 재료과학, 물리학 분야에 걸친 자율적 과학적 발견을 도메인 중심으로 검토합니다. 우리는 프로세스 지향적, 자율성 지향적, 메커니즘 지향적이라는 세 가지 이전에 분리된 관점을 통합하여, 기초 능력, 핵심 프로세스, 도메인별 실현을 연결하는 포괄적인 프레임워크를 제시합니다. 이 프레임워크를 바탕으로, 우리는 (i) AI for Science의 진화를 추적하고, (ii) 과학적 주체성을 뒷받침하는 다섯 가지 핵심 능력을 식별하며, (iii) 발견을 동적인 4단계 워크플로우로 모델링하고, (iv) 상기 도메인들에 걸친 응용 사례를 검토하며, (v) 주요 도전 과제와 미래 기회를 종합합니다. 이 작업은 자율적 과학적 발견에 대한 도메인 중심의 종합을 확립하고, 에이전트 과학을 AI 주도 연구를 발전시키기 위한 구조화된 패러다임으로 위치짓습니다.
English
Artificial intelligence (AI) is reshaping scientific discovery, evolving from
specialized computational tools into autonomous research partners. We position
Agentic Science as a pivotal stage within the broader AI for Science paradigm,
where AI systems progress from partial assistance to full scientific agency.
Enabled by large language models (LLMs), multimodal systems, and integrated
research platforms, agentic AI shows capabilities in hypothesis generation,
experimental design, execution, analysis, and iterative refinement -- behaviors
once regarded as uniquely human. This survey provides a domain-oriented review
of autonomous scientific discovery across life sciences, chemistry, materials
science, and physics. We unify three previously fragmented perspectives --
process-oriented, autonomy-oriented, and mechanism-oriented -- through a
comprehensive framework that connects foundational capabilities, core
processes, and domain-specific realizations. Building on this framework, we (i)
trace the evolution of AI for Science, (ii) identify five core capabilities
underpinning scientific agency, (iii) model discovery as a dynamic four-stage
workflow, (iv) review applications across the above domains, and (v) synthesize
key challenges and future opportunities. This work establishes a
domain-oriented synthesis of autonomous scientific discovery and positions
Agentic Science as a structured paradigm for advancing AI-driven research.