본 연구는 자연어 처리 분야의 Retrieval-Augmented Generation (RAG) 방식을 활용하여, Arbuscular Mycorrhizal Fungi (AMF) 관련 농업 응용 분야를 위한 시스템을 설계하고 평가한다. RAG는 대규모 언어 모델(LLM)의 한계를 극복하고, 동적 외부 지식 소스를 통합하여 응답의 정확성과 사실적 신뢰도를 향상시킨다. 본 연구에서는 (i) 벡터 임베딩을 사용한 농업 및 생명공학 분야의 도메인별 콘텐츠 의미 검색 및 증강, (ii) 접종 방법, 포자 밀도, 토양 매개변수 및 수확량 결과와 같은 미리 정의된 실험 메타데이터를 캡처하기 위한 구조화된 데이터 추출을 포함하는 이중 계층 전략을 구현한다. 이 하이브리드 접근 방식은 생성된 응답이 의미론적으로 정렬될 뿐만 아니라 구조화된 실험적 증거에 의해 뒷받침되도록 한다. 또한, 확장성을 위해 임베딩은 고성능 벡터 데이터베이스에 저장되어 진화하는 문헌 데이터베이스에서 실시간 검색을 가능하게 한다. 최종적으로 토마토(Solanum lycopersicum)와 AMF의 상호 작용에 대한 관련 정보를 검색하고 합성하는 데 성공했다.
