실험-코드로 구현된 실험실: AI 기반 과학적 발견을 위한 선언적 스택

Experiment-as-Code Labs: A Declarative Stack for AI-Driven Scientific Discovery

AI를 과학 분야에 최대한 활용하기 위해서는 AI 에이전트를 순수한 디지털 환경에서 벗어나게 해야 합니다. 물리적 실험실은 여전히 과학적 발견의 기반이 되므로, 에이전트가 실제 실험실 환경에서 제어하고 탐구하는 능력은 필수적입니다. 일부 작업은 컴퓨터에서 수행될 수 있습니다(예: 데이터 분석, 시뮬레이션 실험 실행). 그러나 과학적 통찰은 실험 장비를 작동하는 동안 언제든지 발생할 수 있습니다(예: 과학자가 예상치 못한 단서를 발견했을 때, 직관에 따라 실시간으로 실험 방향을 변경할 수 있습니다). 자율 실험실이 증가하고 있으며, 이를 통해 소프트웨어를 통해 과학 장비를 제어할 수 있는 프로그래밍 가능한 API가 제공되고 있지만, 점점 더 강력해지는 AI 에이전트와 자동화된 실험 장비 간의 격차를 해소하려면 컴퓨터 시스템에서 얻은 통찰력을 활용한 혁신이 필요합니다. 저희는 "실험-코드로 구현된 실험실(Experiment-as-Code Labs, EaC Labs)"이라는 새로운 패러다임을 제안합니다. 이 패러다임의 핵심 개념은 실험을 장치 수준의 API로 컴파일될 수 있는 선언적 구성으로 인코딩하는 것입니다. AI 에이전트는 가설과 실험을 생성하며, 이는 선언적 구성의 집합으로 작성됩니다. 시스템 계층은 프로그램 분석, 안전 검사, 리소스 할당 및 작업 오케스트레이션을 수행합니다. 마지막으로, 프로그래밍 방식으로 실험이 수행되며, 이는 장치 API를 활성화하여 이루어집니다. 이 스택은 과학 분야, 실험실 및 장비에 독립적이며, 물리, 시스템 및 지능 계층 간의 새로운 융합을 통해 AI를 활용한 과학 분야의 다음 혁신을 이끌어낼 것입니다.

To unleash the full potential of AI for Science, we must untether the agents from a purely digital environment. The agent's ability to control and explore in real-world labs is essential because the physical lab remains foundational to scientific discovery. While some tasks can be performed on a computer (e.g., data analysis, running simulated experiments), Eureka moments could occur at any time while operating lab instruments (e.g., when a scientist notices unexpected clues, intuition may prompt a real-time course change). Although autonomous labs are on the rise, which expose programmable APIs to control scientific instruments via software, bridging the gap between increasingly powerful AI agents and automated lab equipment requires innovation that draws insights from computer systems. We propose a new paradigm called ``Experiment-as-Code (EaC) Labs,'' where a core concept is to encode experiments as declarative configurations that can be compiled down to device-level APIs. AI agents come up with hypotheses and experiments, written as an ensemble of declarative configurations. The systems layer performs program analysis, safety checks, resource assignment, and job orchestration. Finally, programmatic experimentation occurs via actuating the device APIs. This is a general stack that is science-, lab-, and instrument-independent, representing a novel synthesis across the physical, systems, and intelligence layers to unleash the next breakthrough in AI for Science.