AI 공동 과학자를 향하여

Towards an AI co-scientist

February 26, 2025

저자: Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu, Anil Palepu, Petar Sirkovic, Artiom Myaskovsky, Felix Weissenberger, Keran Rong, Ryutaro Tanno, Khaled Saab, Dan Popovici, Jacob Blum, Fan Zhang, Katherine Chou, Avinatan Hassidim, Burak Gokturk, Amin Vahdat, Pushmeet Kohli, Yossi Matias, Andrew Carroll, Kavita Kulkarni, Nenad Tomasev, Yuan Guan, Vikram Dhillon, Eeshit Dhaval Vaishnav, Byron Lee, Tiago R D Costa, José R Penadés, Gary Peltz, Yunhan Xu, Annalisa Pawlosky, Alan Karthikesalingam, Vivek Natarajan

cs.AI

초록

과학적 발견은 과학자들이 새로운 가설을 생성하고 이를 엄격한 실험적 검증을 통해 입증하는 과정에 의존합니다. 이 과정을 보완하기 위해, 우리는 Gemini 2.0을 기반으로 구축된 다중 에이전트 시스템인 AI 공동 과학자를 소개합니다. 이 AI 공동 과학자는 새로운 지식을 발견하고, 이전의 증거를 바탕으로 과학자가 제공한 연구 목표와 지침에 부합하는 새로운 연구 가설과 제안을 공식화하는 데 도움을 주기 위해 설계되었습니다. 이 시스템의 설계는 과학적 방법론에서 영감을 받은 가설 생성의 생성, 토론, 진화 접근법을 통합하며, 테스트 시점의 컴퓨팅 자원 확장을 통해 가속화됩니다. 주요 기여 사항은 다음과 같습니다: (1) 유연한 컴퓨팅 확장을 위한 비동기 작업 실행 프레임워크를 갖춘 다중 에이전트 아키텍처; (2) 자기 개선형 가설 생성을 위한 토너먼트 진화 프로세스. 자동화된 평가는 테스트 시점의 컴퓨팅 자원이 가설의 질을 지속적으로 향상시킨다는 것을 보여줍니다. 범용적인 목적을 가지고 있지만, 우리는 약물 재창출, 새로운 표적 발견, 그리고 세균 진화 및 항생제 내성 메커니즘 설명이라는 세 가지 생물의학 분야에 초점을 맞춰 개발과 검증을 진행했습니다. 약물 재창출의 경우, 이 시스템은 임상적으로 적용 가능한 농도에서 시험관 내 종양 억제를 보이는 급성 골수성 백혈병 후보 물질을 포함하여 유망한 검증 결과를 제안했습니다. 새로운 표적 발견의 경우, AI 공동 과학자는 인간 간 오가노이드에서 항섬유화 활성과 간세포 재생을 통해 검증된 간 섬유화에 대한 새로운 후성유전학적 표적을 제안했습니다. 마지막으로, AI 공동 과학자는 세균 진화에서 새로운 유전자 전달 메커니즘에 대한 병렬적 in silico 발견을 통해 아직 발표되지 않은 실험 결과를 재현했습니다. 이러한 결과들은 별도의 동시 발표 보고서에 상세히 기술되어 있으며, 생물의학 및 과학적 발견을 보완하고 AI가 강화된 과학자 시대를 열 수 있는 잠재력을 보여줍니다.

English

Scientific discovery relies on scientists generating novel hypotheses that undergo rigorous experimental validation. To augment this process, we introduce an AI co-scientist, a multi-agent system built on Gemini 2.0. The AI co-scientist is intended to help uncover new, original knowledge and to formulate demonstrably novel research hypotheses and proposals, building upon prior evidence and aligned to scientist-provided research objectives and guidance. The system's design incorporates a generate, debate, and evolve approach to hypothesis generation, inspired by the scientific method and accelerated by scaling test-time compute. Key contributions include: (1) a multi-agent architecture with an asynchronous task execution framework for flexible compute scaling; (2) a tournament evolution process for self-improving hypotheses generation. Automated evaluations show continued benefits of test-time compute, improving hypothesis quality. While general purpose, we focus development and validation in three biomedical areas: drug repurposing, novel target discovery, and explaining mechanisms of bacterial evolution and anti-microbial resistance. For drug repurposing, the system proposes candidates with promising validation findings, including candidates for acute myeloid leukemia that show tumor inhibition in vitro at clinically applicable concentrations. For novel target discovery, the AI co-scientist proposed new epigenetic targets for liver fibrosis, validated by anti-fibrotic activity and liver cell regeneration in human hepatic organoids. Finally, the AI co-scientist recapitulated unpublished experimental results via a parallel in silico discovery of a novel gene transfer mechanism in bacterial evolution. These results, detailed in separate, co-timed reports, demonstrate the potential to augment biomedical and scientific discovery and usher an era of AI empowered scientists.