엔드투엔드 데이터 기반 재료 이론 개발을 위한 자율 LLM 에이전트. 모델이 방정식 형태를 선택하고 자체 코드를 생성·실행해 데이터 적합도를 인간 개입 없이 테스트. 단계별 추론 + 전문가 제공 툴 결합으로 필요시 접근법 조정하면서 의사결정 기록 유지. Hall-Petch·Paris law 같은 확립된 재료 관계는 지배 방정식을 정확히 식별하고 새 데이터셋에서 신뢰할 만한 예측 생성. 공역 분자 HOMO-LUMO 갭 대 길이의 Kuhn 방정식 같은 전문 관계는 기반 모델 의존성이 커 GPT-5가 방정식 회복에서 우수. 기존 이론 넘어 HOMO-LUMO 변화의 strain 의존 법칙 같은 신규 관계도 제안 가능, 다만 수치 적합이 강해도 오답 반환 가능해 검증 필수.

• •LLM 에이전트가 방정식 형태 선택·코드 생성·데이터 적합 테스트를 자율 수행 — 재료 이론 자동 발견.
• •Hall-Petch·Paris law 같은 확립 관계는 지배 방정식 정확 식별 + 신 데이터셋 신뢰 예측.
• •Kuhn 방정식 같은 전문 관계에서는 기반 모델 의존성 큼 — GPT-5가 다른 모델보다 우수.
• •HOMO-LUMO strain 의존 법칙 등 기존 이론 너머 신규 예측 관계 제안 가능성 입증.
• •수치 적합이 강해도 에이전트가 부정확·불완전·모순 방정식 반환 가능 — 신중한 검증 필수.