쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 10월 30일 (금)까지 3636건
5건 · "과학 AI"조건 지우기 ×
001 12:11 ▲ 153 · 댓글 133 클로드, 신약 개발 6개 기관과 현장 연구로 확장 Anthropic의 생명과학팀이 Claude를 이용해 신약 개발을 가속화하기 위해 BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines, The Column Group과 파트너십을 체결했다. AI · 머신러닝 · Early progress on accelerating drug development with Claude
Key Point 신약 개발의 여러 단계(분자 설계, 최적화, 규제 문서, 임상 시험 계획)에서 Claude의 구체적 효과가 입증되었으며, 대형 제약사부터 스타트업까지 실제 프로그램과 연계한 생명과학 AI 활용이 본격화되는 시점이다.
핵심 요약
Anthropic의 생명과학팀이 Claude를 이용해 신약 개발을 가속화하기 위해 BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines, The Column Group과 파트너십을 체결했다. Generate Biomedicines는 Claude Code로 CAR T-cell 치료법의 유전자 지시를 70% 단축했으며, 랩 테스트에서 암세포 퇴치는 효율적이고 면역세포의 수용체 생성은 약 10배 증가했다. Divergence Labs는 Claude가 약 1개월간 약 35,000개의 항체 설계를 자동 생성하도록 해 식품 알레르기 치료법 개발을 진행했으며, 초기 테스트에서 IgE에 결합할 3개, 분리할 20개 설계를 발견했다. 전체 요약 12문장 읽기 → 002 03:11 ▲ 204 · 댓글 41 CERN과 Mistral, 과학 AI 개발 전략 제휴 CERN과 유럽 AI 개발사 Mistral이 과학 발전을 위한 기초 모델 개발을 목표로 전략 제휴 양해각서를 체결했다. AI · 머신러닝 · CERN and Mistral sign a statement of intent to establish a strategic partnership
Key Point 고에너지 물리학 연구의 데이터 폭발적 증가(2030년 10배)에 대응하기 위해 유럽이 기초 AI 모델 개발에 나서는 만큼, 과학 데이터 분석의 미래 방향이 어떻게 재편될지 보여주는 사례입니다.
핵심 요약
CERN과 유럽 AI 개발사 Mistral이 과학 발전을 위한 기초 모델 개발을 목표로 전략 제휴 양해각서를 체결했다. 초점은 고에너지 물리학이며, 양자색역학(LHC)에서의 수십억 개 양성자-양성자 충돌 시뮬레이션 데이터로 학습한 단일 기초 모델인 '대규모 물리 모델'을 개발할 계획이다. 개발될 모델은 입자 충돌 재구성, 입자 식별, 예상치 못한 신호 감지, 미래 검출기 설계 평가 등 다양한 작업을 단일 모델로 처리할 수 있도록 설계된다. 전체 요약 8문장 읽기 → 003 15:11 ▲ 38 · 댓글 3 AI 에이전트의 과학적 추론 능력 평가, 논문으로 검증 AI 에이전트가 과학적 조사를 체계적으로 진행하여 증거 기반의 결론에 도달할 수 있는지 평가하기 위해 PhysClosureBench 벤치마크를 개발했다. AI · 머신러닝 · From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research
Key Point 현재 최강 LLM들도 과학 논문 같은 구조화된 조사 완수에 약한 부분을 정량적으로 입증함으로써, AI의 과학 응용 가능성의 현주소를 보여준다.
핵심 요약
AI 에이전트가 과학적 조사를 체계적으로 진행하여 증거 기반의 결론에 도달할 수 있는지 평가하기 위해 PhysClosureBench 벤치마크를 개발했다. 벤치마크는 강장 물리, 아토초 물리 등 50개 물리학 연구 과제로 구성되며, 각 과제는 목표와 과학적 제약조건을 명시하고 에이전트가 증거 생성과 검증 방법을 결정하도록 한다. 평가 지표는 지역적 과학적 성과를 측정하는 20개 기준의 Atomic Score와 필수 증거 요구사항 충족 여부로 연구 폐결(RC0~RC4)을 5단계로 평가한다. 전체 요약 7문장 읽기 → 004 00:11 ▲ 19 · 댓글 2 과학 AI 에이전트 군단이 스스로 진화하며 학습한다 과학 연구의 재귀적 자기 개선(RSI)을 위해 과학 에이전트 군단이 실험 경험을 통해 연구 능력을 향상시키는 것을 목표로 한다. AI · 머신러닝 · SwarmRSI: Recursive Self-Improvement through Evolving Scientific Agent Swarm
Key Point 과학 연구 자동화를 추구하는 개발자와 연구자들이 AI 에이전트 간 협력과 피드백 기반 자기 개선이 어떻게 실제 과학 문제 해결에 활용되는지 알아야 한다.
핵심 요약
과학 연구의 재귀적 자기 개선(RSI)을 위해 과학 에이전트 군단이 실험 경험을 통해 연구 능력을 향상시키는 것을 목표로 한다. 기존 접근의 문제점은 실패한 실험 결과가 가설 오류인지 구현 오류인지 불분명하고, 전체 점수가 다른 에이전트에 유용한 부분 결과를 가린다는 것이다. SwarmRSI는 피드백 기반 군단 변이(Feedback-Guided Swarm Mutation)로 다른 에이전트의 실험 결과를 이용해 가설과 구현을 개선한다. 전체 요약 7문장 읽기 → 005 03:11 ▲ 11 · 댓글 2 논문 검색 벤치마크 ScholarCatalyst 공개 Hugging Face에서 논문 검색 벤치마크 ScholarCatalyst를 발표했다. 과학자들이 새로운 연구를 할 때 어떤 선행 논문을 참고하는지 연구하기 위해 만들어졌다. AI · 머신러닝 · ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
Key Point 현재의 LLM과 에이전트 기술도 논문 검색에서 전문가 수준의 성능을 내지 못하고 있으며, 이는 과학 AI 모델 개발의 새로운 과제를 드러낸다.
핵심 요약
Hugging Face에서 논문 검색 벤치마크 ScholarCatalyst를 발표했다. 과학자들이 새로운 연구를 할 때 어떤 선행 논문을 참고하는지 연구하기 위해 만들어졌다. 컴퓨터과학 분야 최근 논문 207편의 제1저자 184명이 자신의 프로젝트를 진행할 때 도움이 된 논문들을 직접 라벨링했으며, 각각 상세한 근거를 제공했다. 과제 시작 당시 공개된 논문만 사용해 주어진 연구 질문으로부터 도움이 될 만한 논문을 검색하는 태스크로 구성했다. 전체 요약 6문장 읽기 → 
