MIND: 소재 연구를 위한 인공지능 공동 연구원

MIND: AI Co-Scientist for Material Research

대규모 언어 모델(LLM)은 과학적 발견을 위한 자율적인 인공지능 시스템을 가능하게 했지만, 대부분의 접근 방식은 자동화된 실험 검증 없이 텍스트 기반 추론에만 머물러 있습니다. 본 논문에서는 소재 연구 분야의 자동화된 가설 검증을 위한 LLM 기반 프레임워크인 MIND를 제안합니다. MIND는 과학적 발견 과정을 가설 개선, 실험, 그리고 다중 에이전트 파이프라인 내에서의 토론 기반 검증으로 구성합니다. 실험 검증을 위해, MIND는 머신 러닝 기반 원자 간 포텐셜(Machine Learning Interatomic Potentials), 특히 SevenNet-Omni를 통합하여 확장 가능한 시뮬레이션 실험을 수행합니다. 또한, 자동화된 가설 테스트를 위한 웹 기반 사용자 인터페이스를 제공합니다. 모듈화된 설계 덕분에 추가적인 실험 모듈을 통합할 수 있어, 이 프레임워크는 다양한 과학적 워크플로우에 적용될 수 있습니다. 코드는 다음 주소에서 확인할 수 있습니다: https://github.com/IMMS-Ewha/MIND, 그리고 데모 영상은 다음 주소에서 확인할 수 있습니다: https://youtu.be/lqiFe1OQzN4.

Large language models (LLMs) have enabled agentic AI systems for scientific discovery, but most approaches remain limited to textbased reasoning without automated experimental verification. We propose MIND, an LLM-driven framework for automated hypothesis validation in materials research. MIND organizes the scientific discovery process into hypothesis refinement, experimentation, and debate-based validation within a multi-agent pipeline. For experimental verification, the system integrates Machine Learning Interatomic Potentials, particularly SevenNet-Omni, enabling scalable in-silico experiments. We also provide a web-based user interface for automated hypothesis testing. The modular design allows additional experimental modules to be integrated, making the framework adaptable to broader scientific workflows. The code is available at: https://github.com/IMMS-Ewha/MIND, and a demonstration video at: https://youtu.be/lqiFe1OQzN4.