지식 그래프 기반 멀티에이전트 AI로 PFAS 대체 소재 설계

초록

본 논문은 대규모 지식 그래프와 특화된 멀티에이전트 시스템을 결합해 PFAS(과불화화합물) 대체 재료를 탐색한다. 문제를 분해·증거 검색·설계 파라미터 추출·그래프 탐색하는 네 종류 에이전트가 순차적으로 협업해 가설을 생성하며, 단일 프롬프트 대비 성능이 크게 향상됨을 실험적으로 입증한다.

상세 분석

GraphAgents는 크게 두 단계의 지식 그래프와 다섯 개의 전문 에이전트로 구성된다. 첫 번째 그래프는 PFAS 전용 지식 그래프로, PFAS 관련 논문·특허·보고서 등을 텍스트 마이닝해 개념·관계 노드를 추출하고, 각 엣지는 원본 텍스트 청크 ID와 연결해 완전한 추적성을 확보한다. 두 번째 그래프는 물성·제조·생체 적합성 등 광범위한 재료 과학 분야를 포괄하는 일반 물성 그래프이며, 교차 도메인 탐색을 지원한다. 에이전트는 다음과 같이 역할을 분담한다. ① Planner는 사용자의 고수준 요구를 설계 파라미터(강도, 마찰계수, 열안정성 등) 중심의 구체적 서브 질문으로 변환한다. ② HybridGraphWeave는 RAG(Retrieval‑Augmented Generation) 방식을 적용해 텍스트 기반 검색과 그래프 기반 서브그래프 추출을 동시에 수행한다. 여기서 텍스트는 ChromaDB에 저장된 임베딩을 이용해 코사인 유사도로 상위 k개를 선정하고, 해당 청크와 연결된 그래프 서브셋을 제공한다. ③ Evaluator는 반환된 텍스트와 서브그래프에서 설계에 핵심적인 키워드와 정량적 메트릭(예: 인장강도 ≥ 30 MPa, 마찰계수 ≤ 0.1 등)을 자동 추출한다. ④ CreativeGraphWeave는 평가 단계에서 도출된 키워드를 시작점으로 그래프 탐색 알고리즘(최단 경로, 랜덤 워크, 휴리스틱 가중치)을 적용해 도메인 간 숨겨진 연결을 발견한다. 탐색 과정에서 그래프의 방향성을 일시적으로 무시해 비선형 관계도 포착한다. ⑤ Engineer는 수집된 증거와 아이디어를 종합해 가설을 서술한다. 가설은 “PFAS‑대체 물질 X는 Y‑코팅과 Z‑공중합체를 결합해 기존 PFAS와 동등한 내화학성·저마찰·고열안정성을 제공한다”와 같은 형태이며, 각 요소는 그래프 메타데이터를 통해 검증 가능하도록 설계된다. 실험에서는 PFAS가 사용되는 의료용 튜빙을 사례로 삼아, 기존 단일 LLM 프롬프트 대비 27 % 높은 정확도와 34 % 높은 다양성을 기록했다. Ablation 연구에서는 Planner와 HybridGraphWeave를 제외하면 가설 품질이 급격히 저하되며, 특히 그래프 기반 서브그래프 제공이 없을 경우 탐색 공간이 60 % 축소된다. 또한 탐색 전략을 exploitative(핵심 물성 중심)와 exploratory(신규 연관성 중심)로 전환함으로써 설계 후보군의 폭과 깊이를 조절할 수 있음을 보였다. 한계점으로는 그래프 구축 시 최신 문헌 반영 주기가 길어질 수 있고, 휴리스틱 탐색이 복잡한 다중 목표 최적화에 충분히 정량적 평가를 제공하지 못한다는 점이다. 향후 연구에서는 자동 그래프 업데이트 파이프라인과 강화학습 기반 탐색 정책을 도입해 실시간 피드백 루프를 구축하고, 물성 시뮬레이터와 연계해 가설 검증을 자동화하는 방향을 제시한다.