MadAgents LLM 기반 MadGraph 자동화 도우미

초록

MadAgents는 대형 언어 모델(LLM)을 활용해 MadGraph 설치·학습·운용을 자동화하는 에이전트 집합이다. 초보자에게는 단계별 튜토리얼과 실시간 오류 수정, 숙련자에게는 복잡한 NLO 시뮬레이션과 맞춤형 분석 파이프라인을 제공한다. 또한 PDF 논문을 읽어 필요한 모델과 파라미터를 추출하고, 전 과정을 무인으로 실행해 논문 재현을 가능하게 한다.

상세 분석

본 논문은 LLM 기반 에이전트 시스템을 MadGraph와 연계함으로써 고에너지 물리 실험 시뮬레이션의 진입 장벽을 크게 낮추는 방법을 제시한다. 시스템은 LangGraph 프레임워크 위에 Orchestrator‑Planner‑Reviewer‑Plan‑Updater 구조를 구축하고, 각각의 역할을 담당하는 다섯 종류의 Worker 에이전트를 정의한다. MG‑Operator는 MadGraph 명령어와 파일 구조를 직접 다루며, Bash·Python 스크립트를 실행하는 Script‑Operator, 사용자의 쉘을 제어하는 CLI‑Operator, 시각화와 레이아웃을 담당하는 Plotter, PDF‑Reader와 Researcher가 논문·웹 정보를 추출한다.

설치 단계에서는 Apptainer 컨테이너 안에 /opt 디렉터리로 MadGraph, Pythia8, Delphes, ROOT 등을 자동 컴파일·설치한다. 의존성 해결과 빌드 로그 분석은 LLM이 체인‑오브‑생각(Chain‑of‑Thought) 방식으로 수행하며, 오류 발생 시 Plan‑Updater가 플랜을 수정하고 Reviewer가 결과를 검증한다.

학습 지원 부분에서는 초보 사용자를 위한 “learning‑by‑doing” 튜토리얼을 자동 생성하고, 실시간으로 명령어 오류를 잡아준다. 예를 들어, 이벤트 재가중치(event reweighting)나 파라미터 스캔을 요청하면 MG‑Operator가 필요한 MadGraph 카드(card)를 작성하고, Script‑Operator가 Bash 스크립트를 실행해 결과를 /output에 저장한다.

숙련된 사용자를 위한 고급 기능으로는 on‑shell NLO top‑pair 생산, 다중 스케일 변동, PDF 에러 전파 등 복잡한 워크플로우를 지원한다. 여기서 Orchestrator는 사용자의 목표를 파악해 다단계 플랜을 생성하고, 각 단계마다 Reviewer가 물리적 일관성을 검증한다.

가장 혁신적인 부분은 논문 PDF를 입력으로 받아 자동 시뮬레이션 캠페인을 수행하는 것이다. PDF‑Reader가 모델 정의와 파라미터, 실험 조건을 추출하고, Researcher가 최신 arXiv·HEPData를 검색해 보강한다. 이후 MG‑Operator와 Script‑Operator가 전체 MadGraph‑Pythia‑Delphes 파이프라인을 구성·실행하고, Plotter가 결과 플롯을 자동 생성한다. 최종적으로는 논문과 동일한 이벤트 샘플과 분석 그래프를 재현한다.

전체 시스템은 GPT‑5.1 기반 에이전트를 사용하고, Plan‑Updater는 경량 GPT‑5 mini를 활용한다. 비결정적 LLM 응답을 보완하기 위해 로그와 파일 시스템 상태를 지속적으로 요약하고, 필요 시 인간 피드백을 요청하도록 설계되었다. 이러한 설계는 LHC 연구자들이 복잡한 시뮬레이션을 빠르게 설정·실행·검증할 수 있게 하여, 물리적 발견에 더 많은 시간을 할애하도록 돕는다.