본 논문은 중력파 신호 식별 과정에서 기존의 매칭 필터링(MF)과 심층 신경망(DNN)의 한계를 극복하기 위해 진화적 몬테카를로 트리 탐색(Evo-MCTS) 프레임워크를 제안합니다. Evo-MCTS는 도메인 지식 기반의 물리적 제약 조건을 활용한 체계적인 알고리즘 공간 탐색을 통해 해석 가능한 알고리즘 솔루션을 생성합니다. 트리 구조 탐색, 진화적 최적화, 대규모 언어 모델 휴리스틱을 결합하여 MLGWSC-1 벤치마크 데이터셋에서 기존 최고 성능 알고리즘 대비 20.2% 향상된 성능을 달성했습니다. 또한, 새로운 알고리즘 조합을 발견하여 다양한 계산 과학 분야에 적용 가능한 자동화된 알고리즘 발견 방법론을 제시합니다.
