2026년 7월 초 South China Morning Post 및 Pandaily의 보도에 따르면 Elements Claw라는 에이전트는 대략 28 GPU 시간 만에 발견 실행을 완료했습니다. MSN 및 중국 AI 뉴스 매체인 AIBase에서도 보고된 결과는 AI 시스템이 과학자들에게 테스트할 후보를 제안할 뿐만 아니라 발견 파이프라인 전체에서 주도권을 잡는 미래를 보여줍니다. 자율 에이전트가 과학 연구를 어떻게 재구성하는지에 대해 진행 중인 AI 속보에서 DAMO 결과는 주목할만한 데이터 포인트입니다.
단순한 모델이 아닌 에이전트
DAMO가 기대하는 구별은 예측 모델과 에이전트 사이입니다. 전통적인 재료용 AI 시스템은 일반적으로 유망한 화합물 목록을 생성하여 합성 및 테스트를 위해 인간 연구원에게 전달합니다. Elements Claw는 사람의 개입을 제한하면서 검색 워크플로우 단계(후보 가설, 평가, 필터링)를 조정하여 보다 자율적으로 작동하는 것으로 설명됩니다.
과학 분야에서 AI의 최전선이 정적 예측에서 다단계 작업을 계획하고, 외부 도구를 호출하고, 피드백을 기반으로 접근 방식을 개선할 수 있는 에이전트 시스템으로 이동했기 때문에 이러한 프레이밍이 중요합니다. Alibaba의 기초 연구 기관인 DAMO 아카데미는 Elements Claw를 이러한 변화가 순전히 계산적인 결과가 아닌 실험적으로 확인된 실제 결과를 제공할 수 있다는 증거로 자리매김했습니다.
초전도체가 필요한 이유
임계 온도 이하에서 저항 없이 전기를 전도하는 초전도 물질은 재료 과학에서 가장 탐나는 목표 중 하나입니다. 이는 MRI 기계 및 입자 가속기부터 양자 컴퓨팅 및 무손실 전력 전송에 이르는 기술을 뒷받침합니다. 새로운 것을 찾는 것은 기존의 시행착오를 통해 느리고 비용이 많이 들기 때문에 이 분야가 AI 지원 발견의 주요 사용 사례가 되었습니다.
약속은 간단합니다. AI가 합성 가능한 화합물의 엄청난 공간을 소수의 합성 가치로 좁힐 수 있다면 연구 일정을 수년에서 며칠로 단축할 수 있습니다. 네 가지 발견이 이론적 예측으로 남아 있는 것이 아니라 실험을 통해 확인되었다는 DAMO의 주장은 신뢰할 수 있는 AI 발견과 과대광고를 구분하는 중요한 경고입니다.
빠르게 변화하는 분야
DAMO 결과는 AI 기반 재료 발견이 급증하는 가운데 나온 것입니다. 2023년 Google DeepMind의 GNoME 프로젝트는 약 220만 개의 새로운 결정 구조와 약 380,000개의 안정적인 물질을 식별하여 Nature에 결과를 게시하고 데이터베이스를 다른 연구자들에게 공개했습니다. 그 이후로 여러 연구소에서는 구조를 예측할 뿐만 아니라 구조를 설계하고 검증하는 데 적극적으로 도움을 주는 시스템을 추진해 왔습니다. Elements Claw는 해당 루프의 중심에 자율 에이전트를 배치하려는 가장 공격적인 최신 시도 중 하나입니다.
보고서에 따르면 DAMO 작업을 차별화하는 것은 속도와 검증의 조합입니다. 즉, 대략 하루의 GPU 시간으로 압축된 대량의 계산 탐색과 예측된 재료가 실제로 예상대로 작동하는지 물리적으로 확인하는 것입니다.
더 큰 그림
Alibaba의 경우, 이 결과는 중국과 서구 AI 연구소 간의 경쟁이 심화되는 순간에 AI 연구 야망에 대한 신뢰성 지표입니다. DAMO 아카데미는 회사의 장기적인 투자를 위한 수단이었으며, 상업용 AI 시장이 여전히 챗봇과 코딩 도구에 의해 지배되고 있음에도 불구하고 헤드라인을 장식하는 자료 발견으로 과학적 입지를 더욱 강화했습니다.
더 넓은 연구 커뮤니티의 경우 Elements Claw와 같은 자율 검색 에이전트가 유명한 데모를 넘어 신뢰할 수 있는 일상적인 도구로 확장될 수 있는지 여부가 문제입니다. 가능하다면 재료 과학의 병목 현상은 새로운 화합물 발견에서 AI가 제안하는 것을 따라잡을 수 있을 만큼 충분히 빠른 합성 및 테스트로 전환될 수 있습니다. 어느 쪽이든 단순한 제안이 아닌 검증된 발견을 제공하는 AI 에이전트에 대한 아이디어는 추측에서 현실로 빠르게 이동하고 있습니다.
---
AI 최신 소식최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.
AI 뉴스 더 보기 →
