과학적 워크플로를 위한 두 가지 자율 에이전트 AI 프레임워크를 제안한다. 두 시스템 모두 Google Colab을 통한 로컬 바디-원격 브레인 하이브리드 아키텍처로, Python 기반 로컬 오케스트레이터가 LLM 클라우드 백엔드를 호출한다. DeepTS/DeepCollector는 시계열 데이터셋의 대규모 수집·추출·중복 제거를 자동화하고, DeepScribe는 시각적으로 복잡한 물리학 강의를 Cellular RAG 방식으로 구조화된 과학 보고서로 변환한다. 원격 데이터 검사, 분산 동시성 제어 등 실용적 시스템 엔지니어링으로 현재 LLM의 맥락·추론 한계를 극복한다.
- •로컈 바디-원격 브레인 하이브리드 아키텍처: Python 기반 로컈 오케스트레이터가 Google Colab을 통해 LLM 클라우드 백엔드를 호출.
- •DeepTS/DeepCollector: 시계열 데이터셋 대규모 수집·추출·중복 제거 자동화.
- •DeepScribe: Cellular RAG 방식의 세분화된 속성 추출으로 시각적으로 복잡한 물리학 강의를 구조화된 과학 보고서로 자율 변환.
- •DeepTS의 딥 지식 그래프 확장과 고에너지 물리학(DeepQCD) 응용 방향도 제시.
Experiments in Agentic AI for Science
- 1.Google Colab 기반 로컈-리모트 하이브리드 아키텍처로 자율 AI 에이전트 프레임워크 2개 개발
- 2.DeepTS/DeepCollector: 대규모 시계열 데이터셋 큐레이션·추출·중복 제거 자동화 에이전트
- 3.DeepScribe: 물리학 강의 슬라이드를 구조화된 과학 리포트로 자동 변환하는 에이전트
- 4.Cellular RAG 등 세분화 속성 추출로 현 LLM의 컨텍스트·추론 한계 극복
왜 중요한가?
데이터 큐레이션과 문서 분석이라는 서로 다른 과학 워크플로우에 에이전트 AI를 실제 적용해 성과를 보인 사례로, 분산 LLM 오케스트레이션 아키텍처의 실용성을 검증한다.
🏷️ 언급 프로젝트
본문 미리보기
arXiv:2605.26305v1 Announce Type: new Abstract: This paper details two novel frameworks for developing autonomous, agentic AI in scientific workflows. Both systems leverage a hybrid Local Body, Remote Brain architecture via Google Colab, utilizing Python-based local orchestrators to invoke large language model (LLM) cloud backends. The first agent, DeepTS/DeepCollector, automates the large-scale curation, extraction, and deduplication of time-series datasets. The second, DeepScribe, is an auton
전체 내용이 궁금하다면?
원문을 직접 읽어보세요