경험적 연구 지원(ERA): Nature 게재에서 계산적 발견 촉진까지

ERA는 Gemini를 활용해 과학 문헌을 탐색하고, 실험 코드를 작성·개선하며, 수천 가지 해결책을 비교하는 과학 연구 지원 도구다. Nature 논문에서 유전체학, 공중보건, 위성영상, 신경과학, 시계열 예측, 수학 등 다양한 벤치마크에서 전문가 수준의 성능을 보였다. Google은 ERA를 활용한 여러 과학 연구 결과를 공개하고, AlphaEvolve와 결합한 Computational Discovery를 Google Labs의 신뢰할 수 있는 테스터 프로그램으로 제공하기 시작했다.

과학 코드를 자동으로 탐색하고 최적화하는 ERA

• 사용자가 과학적 문제와 성공 기준을 제시하면 ERA가 다음 작업을 수행한다.
  • 관련 과학 문헌 검색
  • 분석 및 예측 코드 작성
  • 여러 알고리즘과 기법 조합
  • 실행 결과 평가
  • 성능이 낮은 접근법 수정 및 반복 실험
• 트리 탐색(tree search) 방식으로 수천 가지 후보를 검토하고, 주어진 목표에 맞춰 코드를 최적화한다.
• 단순한 코드 생성이 아니라, 가설과 구현 방법을 실험적으로 비교해 가장 성능이 좋은 계산 모델을 찾는 데 초점을 둔다.

다양한 과학 분야에서의 전문가 수준 성능

• Nature 논문에서는 다음 분야의 문제를 대상으로 ERA를 평가했다.
  • 유전체학
  • 공중보건
  • 위성영상 분석
  • 신경과학 예측
  • 일반 시계열 예측
  • 수학
• 여러 벤치마크에서 전문가 수준의 결과를 달성했다.
• 이 결과는 고급 계산 모델링 기술에 대한 접근성을 넓히고, 기존 전문가의 연구 역량도 확장할 가능성을 보여준다.

감염병 입원 환자 예측

• 미국 각 주의 독감, 코로나19, RSV 병원 입원 건수를 최대 4주 앞서 예측했다.
• ERA 기반 예측은 세 감염병 모두에서 미국 질병통제예방센터(CDC) 예측 리더보드의 최상위권 또는 1위를 기록했다.
• 다른 국가나 질병에도 비교적 쉽게 적용할 수 있는 기법을 사용했다는 점이 강조됐다.

캘리포니아 물 공급과 적설 유출량 예측

• 눈으로 물이 공급되는 캘리포니아 강 유역의 계절성 유출량을 예측하는 모델을 개발했다.
• ERA 모델은 봄철 유출량을 조기에 예측하는 데 기존 공식 전망인 Bulletin 120(B120)보다 높은 정확도를 보였다.
• 예측 정확도가 향상되면 농업과 주민 생활에 중요한 수자원 관리와 배분을 개선할 수 있다.

위성 데이터를 활용한 대기 CO₂ 지도 작성

• 정지궤도 기상위성 데이터와 추가 정보를 결합해 대기 중 CO₂ 농도를 추정했다.
• 기존 위성인 Orbiting Carbon Observatory-2가 약 16일마다 특정 지점을 측정하는 것과 달리, ERA 모델은 넓은 지역의 CO₂ 농도를 약 10분 간격으로 추정할 수 있다.
• 로스앤젤레스 분지의 도시 배출 증가를 식별하고, 식물이 낮 동안 CO₂를 흡수하면서 농도가 감소하는 현상도 포착했다.
• 이러한 고해상도 추정치는 온실가스의 공간적·시간적 변화를 모니터링하고 모델링하는 데 활용될 수 있다.

태양에너지 장치 설계 최적화

• ERA와 Google Antigravity를 함께 사용해 3차원 태양에너지 포집 구조를 탐색했다.
• ERA는 500개의 삼각형으로 구성된 입체 팬(volumetric fan) 형태가 산란된 태양광을 가두면서 후방 음영을 만들지 않아 에너지 포집을 극대화할 수 있다고 제안했다.
• 이는 AI 시스템들이 서로 다른 설계·최적화 작업을 결합할 수 있음을 보여주는 사례다.

소매 판매 예측

• 미국 경제지표, Google Trends, 과거 판매 패턴, 소비자 심리 등을 입력으로 사용했다.
• ERA가 설계한 모델은 상용 컨센서스 전망과 Chicago Fed의 CARTS 월간 소매 판매 예측을 충족하거나 넘어섰다.
• 정확한 소매 예측은 재고 부족과 폐기물을 줄이고, 기업 운영과 경제 정책 수립을 지원할 수 있다.

Computational Discovery로의 확장

• Google은 ERA와 AlphaEvolve를 결합한 Computational Discovery를 공개하기 시작했다.
• Computational Discovery는 과학 문제를 계산적으로 탐구하는 보다 넓은 실험 도구로 소개됐다.
• Gemini for Science의 다른 도구들과 역할이 구분된다.
  • Computational Discovery: 계산 실험과 모델 탐색
  • Hypothesis Generation: AI Co-Scientist 기반의 가설 생성
  • Literature Insights: 과학 문헌 분석
• 이 도구들은 과학적 방법의 서로 다른 단계를 지원하도록 설계됐다.

ERA는 과학자의 반복적인 코드 작성과 실험 최적화 작업을 자동화해, 복잡한 계산 연구를 더 빠르고 폭넓게 수행하도록 돕는 도구다. 특히 감염병 예측, 수자원 관리, 기후 모니터링처럼 실제 정책과 공공복지에 직접 연결되는 문제에서 활용 가능성이 크며, 연구자는 ERA를 최종 판단을 대신하는 시스템이라기보다 다양한 계산적 가설을 빠르게 검증하는 연구 파트너로 활용하는 것이 적절하다.