아이디어 공간 탐색: 과학적 아이디어를 배치하기 위한 분해된 개념적 표현

Navigating Ideation Space: Decomposed Conceptual Representations for Positioning Scientific Ideas

과학적 발견은 누적적인 과정이며, 새로운 아이디어는 끊임없이 확장되는 기존 지식의 지형 내에 위치해야 합니다. 주요 과제는 급속하게 증가하는 문헌에서 개념적으로 관련된 기존 연구를 어떻게 식별하고, 새로운 아이디어가 기존 연구와 어떻게 다른지 평가하는 것입니다. 현재의 임베딩 방식은 일반적으로 다양한 개념적 측면을 하나의 표현으로 묶어 세밀한 문헌 검색을 지원하지 못하며, LLM 기반 평가자는 아첨 편향에 취약하여 차별적인 새로운 아이디어 평가를 제공하지 못합니다. 이러한 과제를 해결하기 위해, 우리는 과학적 지식을 연구 문제, 방법론, 핵심 결과의 세 가지 뚜렷한 차원으로 분해하는 구조화된 표현인 '아이디어 공간'을 소개합니다. 이 프레임워크는 아이디어 간의 개념적 거리를 측정하고, 제안된 아이디어 내의 논리적 연결을 포착하는 아이디어 전환 모델링을 가능하게 합니다. 이 표현을 기반으로, 효율적인 표적 문헌 검색을 위한 계층적 하위 공간 검색 프레임워크와 아이디어의 어떤 측면이 새로운지 식별하는 분해된 신규성 평가 알고리즘을 제안합니다. 광범위한 실험을 통해 상당한 성능 향상이 입증되었으며, 우리 방법은 Recall@30에서 0.329 (기준 성능보다 16.7% 향상), 아이디어 전환 검색은 Hit Rate@30에서 0.643을 달성하고, 신규성 평가는 전문가 판단과 0.37의 상관관계를 보였습니다. 요약하자면, 본 연구는 과학적 발견을 가속화하고 평가하기 위한 유망한 패러다임을 제시합니다.

Scientific discovery is a cumulative process and requires new ideas to be situated within an ever-expanding landscape of existing knowledge. An emerging and critical challenge is how to identify conceptually relevant prior work from rapidly growing literature, and assess how a new idea differentiates from existing research. Current embedding approaches typically conflate distinct conceptual aspects into single representations and cannot support fine-grained literature retrieval; meanwhile, LLM-based evaluators are subject to sycophancy biases, failing to provide discriminative novelty assessment. To tackle these challenges, we introduce the Ideation Space, a structured representation that decomposes scientific knowledge into three distinct dimensions, i.e., research problem, methodology, and core findings, each learned through contrastive training. This framework enables principled measurement of conceptual distance between ideas, and modeling of ideation transitions that capture the logical connections within a proposed idea. Building upon this representation, we propose a Hierarchical Sub-Space Retrieval framework for efficient, targeted literature retrieval, and a Decomposed Novelty Assessment algorithm that identifies which aspects of an idea are novel. Extensive experiments demonstrate substantial improvements, where our approach achieves Recall@30 of 0.329 (16.7% over baselines), our ideation transition retrieval reaches Hit Rate@30 of 0.643, and novelty assessment attains 0.37 correlation with expert judgments. In summary, our work provides a promising paradigm for future research on accelerating and evaluating scientific discovery.