LLM은 자연어로 된 화학 문제를 이해할 수 있지만 내부 추론 과정은 점검·제약·검증이 어렵다. 이 논문은 학교급 화학 문제 풀이를 위한 개념 증명형 기호 코어 'ChemOntoRule'을 제시하며, 화학 전반을 아우르는 보편적 표현이 아니라 특정 문제 집합에 필요한 개념·속성·관계·실행 절차만을 중심으로 온톨로지를 구축하는 '과제 중심 온톨로지 공학' 방식을 채택했다. JSON과 RDF/Turtle로 직렬화한 경량 온톨로지에 전자구조, 주기적 경향성, 산화수, 산화물·수소화물 거동 등에 대한 결정론적 파이썬 규칙을 결합했고, 일반 규칙으로 다루지 못하는 문제는 별도의 전문가 코드 폴백으로 처리했다. 사람이 작성하고 검증한 화학 문제 300개로 시험한 결과 전체 시스템은 296개(98.67%)를 정답과 일치시켰으며, 온톨로지 기반 규칙만으로 269개 중 266개(98.88%)를, 전문가 폴백으로 31개 중 30개를 맞혔다. 다만 같은 문제 집합이 온톨로지 구축과 평가에 모두 쓰여, 이 결과는 구현된 커버리지와 내부 일관성을 측정한 것이며 독립적 일반화 성능을 의미하지는 않는다고 저자들은 명시했다.

• •학교급 화학 문제 풀이용 개념증명 기호 코어 'ChemOntoRule' 제시, 과제 중심 온톨로지 채택
• •결정론적 파이썬 규칙+전문가 폴백 결합, 300개 문제 중 296개(98.67%) 정답 일치
• •온톨로지 기반 규칙 단독으로는 269개 중 266개(98.88%) 일치
• •동일 문제 집합을 구축·평가에 모두 사용해 독립적 일반화는 아직 검증되지 않았음을 명시