제미니를 활용한 과학 연구 가속화: 사례 연구 및 일반적인 기술

Accelerating Scientific Research with Gemini: Case Studies and Common Techniques

최근의 대규모 언어 모델(LLM) 발전은 과학 연구를 가속화하는 새로운 가능성을 열었습니다. 모델들은 일상적인 작업 지원 능력은 향상되었지만, 새롭고 전문적인 수준의 수학적 발견에 기여할 수 있는 능력은 아직 덜 알려져 있습니다. 본 연구에서는 연구자들이 구글의 제미니 기반 모델(특히 제미니 딥 씽크 및 그 고급 버전)을 활용하여 이론 컴퓨터 과학 분야의 난제 해결, 추측 반증, 새로운 증명 생성 등 다양한 분야에서 성공적으로 협력한 사례 연구들을 제시합니다. 이러한 경험을 바탕으로, 이론 연구에서의 효과적인 인간-AI 협력을 위한 일반적인 기술, 예를 들어 반복적인 개선, 문제 분해, 그리고 융합 학문 지식 전달 등을 도출했습니다. 우리의 대부분의 결과는 이러한 상호 작용적이고 대화형 방법론에서 비롯되었지만, 표준 채팅 인터페이스를 넘어선 특정 사례들을 강조합니다. 이러한 사례에는 기존 증명의 미묘한 결함을 감지하기 위한 엄격한 적대적 검토자로 모델을 사용하거나, 복잡한 유도 과정을 자동으로 작성하고 실행하는 코드를 실행하는 '신경-기호' 루프에 모델을 통합하는 것이 포함됩니다. 이러한 예시들은 AI가 단순한 자동화 도구일 뿐만 아니라, 과학적 발견의 창의적인 과정에서 다재다능하고 진정한 협력자가 될 수 있는 잠재력을 보여줍니다.

Recent advances in large language models (LLMs) have opened new avenues for accelerating scientific research. While models are increasingly capable of assisting with routine tasks, their ability to contribute to novel, expert-level mathematical discovery is less understood. We present a collection of case studies demonstrating how researchers have successfully collaborated with advanced AI models, specifically Google's Gemini-based models (in particular Gemini Deep Think and its advanced variants), to solve open problems, refute conjectures, and generate new proofs across diverse areas in theoretical computer science, as well as other areas such as economics, optimization, and physics. Based on these experiences, we extract common techniques for effective human-AI collaboration in theoretical research, such as iterative refinement, problem decomposition, and cross-disciplinary knowledge transfer. While the majority of our results stem from this interactive, conversational methodology, we also highlight specific instances that push beyond standard chat interfaces. These include deploying the model as a rigorous adversarial reviewer to detect subtle flaws in existing proofs, and embedding it within a "neuro-symbolic" loop that autonomously writes and executes code to verify complex derivations. Together, these examples highlight the potential of AI not just as a tool for automation, but as a versatile, genuine partner in the creative process of scientific discovery.