[ 트렌드] 🤖 LLM·Agentic AI 기반 나노소재 개발: 실제 사례와 역할 정의

# LLM·Agentic AI 기반 나노소재 개발: 실제 사례와 역할 정의

## 결론 먼저

LLM 단독으로 신소재를 "발명"하는 건 아직 불가능하다. 실제로 작동하는 건 **LLM 에이전트가 방대한 조합공간을 좁혀 가설을 제시하고, 로봇 실험 또는 시뮬레이션이 진실을 검증하는 폐루프(closed-loop) 구조**다. 2023~2026년 사이 이 분야가 급성장했고, 이미 상용 수준 사례가 여럿 나왔다.

## 실제 작동 사례

### 1. PoLARIS — 자율 로봇 실험실 (Nature Communications, 2026)

- 정식명: Perovskite Laboratory for Autonomous Reaction Inference and Synthesis
- 수십억 가지 합성 레시피 후보 중 **12시간, 120회 실험**만으로 더 밝은 무연(lead-free) 발광 나노소재(더블 페로브스카이트 나노플레이트렛) 발견
- 광검출기, 태양광-연료 전환 등에 활용 가능한 광발광(photoluminescence) 성능 개선
- 시스템이 조성-화학-성능 간 관계까지 스스로 파악해 다음 실험 조건을 최적화

### 2. MARS — 다중 에이전트 협업 시스템 (Matter, 2026)

- **19개의 LLM 에이전트 + 16개 전문 도구**가 계층적으로 협업, 로봇 실험까지 통합한 완전 폐루프 자율 소재발견 시스템
- 5개 기능 그룹으로 구성:
- **오케스트레이터**: 작업 조율
- **과학자 그룹**: 지식 검색 및 솔루션 설계
- **엔지니어 그룹**: 설계를 실행 가능한 프로토콜로 변환
- **실행 그룹**: 로봇 플랫폼 제어
- **분석 그룹**: 데이터 해석 및 최적화 전략
- 인간 주도 연구실의 업무 흐름을 그대로 모방한 구조
- 하이브리드 검색증강생성(RAG)을 결합해 LLM 고유의 환각(hallucination) 문제를 완화

### 3. 기타 확인된 프레임워크

- **LLMatDesign**: LLM 기반 자율 소재발견 프레임워크
- **ChemAgents**: LLM 기반 다중에이전트 화학 연구 시스템
- **Honeycomb**: 소재과학 특화 LLM 에이전트 시스템 (유연한 아키텍처)
- 2023년 Nature에 발표된 "Autonomous chemical research with large language models" 이후 관련 연구가 급격히 증가, 2023~2026년이 활동 밀집 구간

## LLM과 실험의 역할 분담

| 구분 | 담당 | 하는 일 |
|---|---|---|
| LLM/에이전트 | 가설 생성 | 조합공간 축소, 문헌 검색(RAG)으로 기존 성공/실패 패턴 참고, "이 조성에 이 원소를 추가하면 이런 물성이 개선될 것"이라는 가설 언어화 |
| 시뮬레이션 (DFT 등) | 1차 검증 | 열역학적 안정성 등 이론적 타당성 사전 확인 |
| 로봇/수작업 실험 | 최종 검증 | 실제 합성 + TEM/SEM/XRD 등 특성분석으로 물리적 진실 판정 |
| 피드백 루프 | 반복 개선 | 실험 결과를 LLM에 재입력 → 다음 시도 조건을 스스로 조정 (베이지안 최적화와 결합하는 경우 많음) |

**핵심 원칙**: LLM은 "무엇을 시도해볼지"를 지능적으로 좁히는 역할이고, 최종 진실 판정은 반드시 물리적 실험 또는 물리 기반 시뮬레이션이 내린다. LLM 단독 판단을 최종 결론으로 쓰지 않는다.

## 왜 이 역할 분담이 필수인가

- **LLM만 쓰면**: 화학적으로 그럴듯해 보이지만 실제로 존재 불가능하거나 원하는 물성이 없는 조성을 "발명"할 위험 (환각) — 실험실에서 시간·비용 낭비로 직결
- **실험만 쓰면**: 조합공간이 천문학적으로 커서 무작위 탐색은 비효율적, 인간 연구자 수명으로도 부족
- **결합하면**: LLM이 탐색공간을 좁히고, 실험이 필터링 — 실제로 수십억 조합을 12시간대로 압축한 사례(PoLARIS)가 이를 증명

## 산업 동향 (참고)

- 소재 발견 관련 AI 생성화학 특허·논문 데이터셋은 2002~2026년 60여 건이 확인되며, 활동은 2020~2026년에 집중
- 5개 세부 기술 클러스터: 딥 생성모델 아키텍처, LLM/지식그래프 기반 합성경로 계획, 다중에이전트 프레임워크, 자율 실험실(Self-Driving Lab) 플랫폼, 합성가능성 예측
- 미국이 특허 출원을 주도, 중국은 2025~2026년 사이 에이전틱 합성 단계에서 급격히 진입

## MoldGuard 아키텍처와의 접점

MoldGuard의 설계 철학(Ollama+Home Assistant 기반, 규칙기반 게이트 우선 + LLM은 애매한 경우만 판단)이 위 소재과학 에이전트 시스템들의 핵심 원칙과 동일하다: **"LLM에게 모든 걸 맡기지 않고, 결정론적 도구(시뮬레이션, 센서, 규칙)로 검증 가능한 부분은 검증하고, LLM은 애매하거나 창의적 판단이 필요한 지점에만 투입한다."**

---
*작성일: 2026-08-30 대화 정리*