에이전트 기반 과학적 추론을 위한 고차 지식 표현

Higher-Order Knowledge Representations for Agentic Scientific Reasoning

과학적 탐구는 이질적인 실험 데이터, 다학제적 지식, 기계론적 증거를 일관된 설명으로 통합하는 시스템 수준의 추론을 필요로 합니다. 거대 언어 모델(LLM)은 추론 능력을 제공하지만, 종종 구조적 깊이가 부족한 검색 증강 문맥에 의존합니다. 전통적인 지식 그래프(KG)는 이러한 격차를 해소하려 시도하지만, 그들의 쌍(pairwise) 제약 조건은 창발적인 물리적 거동을 지배하는, 더 이상 환원할 수 없는 고차 상호작용을 포착하지 못합니다. 이를 해결하기 위해, 우리는 다중 개체 관계를 충실하게 인코딩하는 하이퍼그래프 기반 지식 표현 구축 방법론을 소개합니다. 생체 복합 지지체(biocomposite scaffolds)에 관한 약 1,100편의 원고 코퍼스에 적용한 결과, 우리 프레임워크는 161,172개의 노드와 320,201개의 하이퍼에지로 구성된 전역 하이퍼그래프를 구축했으며, 이는 고도로 연결된 개념 허브를 중심으로 조직된 척도 없는 위상(멱법칙 지수 ~1.23)을 드러냈습니다. 이러한 표현 방식은 쌍방향 확장에서 전형적으로 나타나는 조합 폭발을 방지하고, 과학적 공식화의 동시 발생 문맥을 명시적으로 보존합니다. 더 나아가 우리는 에이전트 시스템에 하이퍼그래프 순회 도구(특히 노드 교차 제약 조건 사용)를 장착함으로써 의미적으로 거리가 먼 개념들을 연결할 수 있음을 입증합니다. 시스템은 이러한 고차 경로를 활용하여, 키토산 매개체를 통해 산화 세륨을 PCL 지지체에 연결하는 것과 같은 새로운 복합 재료에 대한 근거 있는 기계론적 가설을 성공적으로 생성합니다. 이 연구는 하이퍼그래프 위상이 검증 가능한 안전장치 역할을 하는 '교사 없는(teacherless)' 에이전트 추론 시스템을 확립하여, 전통적인 그래프 방법으로는 가려져 있던 관계들을 밝혀냄으로써 과학적 발견을 가속화합니다.

Scientific inquiry requires systems-level reasoning that integrates heterogeneous experimental data, cross-domain knowledge, and mechanistic evidence into coherent explanations. While Large Language Models (LLMs) offer inferential capabilities, they often depend on retrieval-augmented contexts that lack structural depth. Traditional Knowledge Graphs (KGs) attempt to bridge this gap, yet their pairwise constraints fail to capture the irreducible higher-order interactions that govern emergent physical behavior. To address this, we introduce a methodology for constructing hypergraph-based knowledge representations that faithfully encode multi-entity relationships. Applied to a corpus of ~1,100 manuscripts on biocomposite scaffolds, our framework constructs a global hypergraph of 161,172 nodes and 320,201 hyperedges, revealing a scale-free topology (power law exponent ~1.23) organized around highly connected conceptual hubs. This representation prevents the combinatorial explosion typical of pairwise expansions and explicitly preserves the co-occurrence context of scientific formulations. We further demonstrate that equipping agentic systems with hypergraph traversal tools, specifically using node-intersection constraints, enables them to bridge semantically distant concepts. By exploiting these higher-order pathways, the system successfully generates grounded mechanistic hypotheses for novel composite materials, such as linking cerium oxide to PCL scaffolds via chitosan intermediates. This work establishes a "teacherless" agentic reasoning system where hypergraph topology acts as a verifiable guardrail, accelerating scientific discovery by uncovering relationships obscured by traditional graph methods.