본 논문은 과학 지식 전파의 기존 모델이 과학 출판물의 기하급수적 증가에 적합하지 않다는 문제점을 제기하며, 이를 해결하기 위한 새로운 프레임워크인 "Discovery Engine"을 제안합니다. Discovery Engine은 다양한 출판물을 통합된 계산 가능한 형태로 변환하여 정보 과부하, 재현성 문제, 논문 철회 문제 등을 해결하고자 합니다. LLM을 활용하여 출판물을 구조화된 "지식 아티팩트"로 변환하고, 이를 고차원 개념 텐서(Conceptual Tensor)로 인코딩하여 과학 분야를 압축된 형태로 표현합니다. 이 텐서는 과학적 구성 요소(개념, 방법, 매개변수, 관계)를 색인하고 상호 의존성을 정량화합니다. Discovery Engine은 이 텐서를 사람이 해석 가능한 형태(예: 지식 그래프, 의미 벡터 공간)로 변환하여 표적 탐색을 가능하게 합니다. 또한, AI 에이전트는 이 그래프에서 추론을 수행하여 새로운 지식 아티팩트를 생성하고, 연구자를 지원합니다. 결론적으로, Discovery Engine은 AI 기반 과학 연구와 발견 가속화를 위한 새로운 패러다임을 제시합니다.
