과학적 설명을 활용한 LLM 기반 가설 생성 워크플로

한줄 요약

DN-Hypo-Pipeline은 과학적 설명을 사전 지식으로 활용해 LLM이 체계적으로 가설을 생성하도록 지원하는 AI 워크플로다.

풀어야 하는 문제

과학적 가설 생성은 연구의 첫 단계이지만, 기존 방법은 심층적인 과학적 추론 없이 단순히 문헌을 요약하거나 패턴을 찾는 데 그친다. 연구자가 현상을 깊이 이해하고 새로운 가설을 도출하는 체계적인 방법이 부족하다.

접근 방법

DN-Hypo-Pipeline은 연구 논문의 결론(explanandum)을 입력받아, 그 결론을 뒷받침하는 법칙, 이론, 원리를 식별하고, 관찰된 현상에 대한 새로운 검증되지 않은 설명을 재구성한다. LLM을 활용해 이 과정을 자동화하며, 통계적 추론과 인간 전문가 평가로 품질을 검증한다.

결과·기여

데이터 과학 모델링 분야의 세 편의 높은 인용 논문을 대상으로 평가한 결과, 직접 생성 방식보다 우수한 가설을 생성했다. 생성된 가설 중 최고 점수를 받은 두 가지를 바탕으로 새로운 알고리즘을 개발했으며, 이는 원 논문의 기준 모델보다 뛰어난 성능을 보였다. 또한 이 워크플로는 이론 기반 데이터 과학 모델링 방법을 포괄하는 이론적 프레임워크를 제공하며, 다른 과학 분야로 확장 가능하다.