본 논문은 과학 연구의 복잡성 증가에 따라 방대한 데이터 관리, 학제 간 협업 촉진, 발견 가속화를 위한 혁신적인 도구가 필요하다는 점을 배경으로, 가설 생성, 실험 설계, 데이터 분석, 시뮬레이션 등 중요 과제를 자동화하는 LLM 기반 과학 에이전트의 등장에 주목합니다. 일반적인 LLM과 달리, 이러한 특수 에이전트는 도메인 특정 지식, 고급 도구 세트, 강력한 검증 메커니즘을 통합하여 복잡한 데이터 유형을 처리하고 재현성을 보장하며 과학적 발견을 촉진합니다. 본 논문은 LLM 기반 과학 에이전트의 아키텍처, 설계, 벤치마크, 응용 및 윤리적 고려 사항에 대한 집중적인 검토를 제공하며, 일반 에이전트와의 차이점과 다양한 과학 분야의 연구 발전 방식을 강조합니다. LLM 기반 과학 에이전트의 개발 및 과제를 검토함으로써, 연구자와 실무자가 더 효율적이고 신뢰할 수 있으며 윤리적으로 건전한 과학적 발견을 위해 이러한 에이전트를 활용할 수 있는 포괄적인 로드맵을 제공합니다.
