구글 리서치, 실험실 로봇에 AI 에이전트 투입… 디지털 트윈 VERID가 불가능한 명령 차단, 앱타머 적중률 33.5%·42.1%

구글 리서치는 10월 16일 AI 에이전트를 습식 실험실에 투입한 세 가지 프로젝트를 소개했다. 실행할 수 없는 로봇 명령을 막는 검사 장치와, 3라운드 만에 확인된 적중률이 **33.5%**와 **42.1%**에 이른 앱타머 탐색이 포함됐다. 연구는 Annalisa Pawlosky가 이끈다.

성과는 모델 혼자서는 얻을 수 없는 습식 실험 피드백에서 나왔다. 미오글로빈의 경우 2라운드 설계는 원시 결합량으로는 나아 보였지만 특이도는 75.0%에서 19.1%로, 실제 적중률은 10.2%에서 3.7%로 떨어졌다. 에이전트는 이 측정 결과를 읽은 뒤에야 설계 규칙을 고쳐 특이도 72.4%, 적중률 33.5%로 회복했다. VERID는 로봇 쪽을 맡는다. 에이전트가 작성한 모든 프로토콜을 실시간 디지털 트윈과 대조해, 물리적으로 불가능하거나 절차상 무효한 명령이 액체 핸들링 로봇에 닿지 않게 한다.

문법이 맞아도 로봇이 실행할 수 없는 코드가 있다

구글에 따르면 에이전트는 문법적으로는 맞지만 물리적으로 불가능한 코드(8채널 피펫을 좁은 트로프에 내리는 것 등)나 절차상 무효한 코드(비어 있는 웰에서 흡인하는 것 등)를 쓸 수 있다. VERID(VERified Infrastructure for Discovery Laboratories)는 오픈소스 PyLabRobot 프레임워크 위에 구축한 실험실 워크셀의 시맨틱 디지털 트윈이다. 로봇 팔의 형상, 웰별 용량, 시약 종류, 팁 재고를 실시간 3D 엔티티 트리로 추적하고, 드라이런으로 프로토콜을 몇 초 만에 시뮬레이션해 시약에 손대기 전에 충돌이나 빈 웰을 잡아낸다. 한 사례에서는 좁은 트로프에 들어가지 않는 8채널 흡인을 시뮬레이터가 거부하자, 에이전트가 계획을 다시 세워 요인 설계 진단 실험을 만들었고, 팁 벽면에 남은 잔류물 이월로 생긴 편향을 찾아냈다.

2라운드의 하락이 에이전트에게 규칙을 가르쳤다

표적마다 습식 실험에서 부딪힌 실패가 달랐다. 설계·시험·분석 한 사이클에 7~10일이 걸려, 3라운드는 몇 주 분량의 습식 실험이었다. 알파-트롬빈 1라운드에서는 결합체가 0%였다. 고정된 프라이머 오버행이 서열의 48%에서 폴딩을 방해했기 때문이다. 2라운드에서 클램프형 측면 스템을 도입하고 3라운드에서 다양성을 넓히자 적중률은 26.0%, 이어 42.1%로 올랐고 특이도는 98.5%였다. 미오글로빈은 반대 방향으로 실패했다. 원시 결합을 우선해 G-사중나선 모티프를 설계의 63%까지 늘리자 풀다운 양은 늘었지만, 대부분이 비특이적으로 달라붙는 결합체여서 앞서 말한 2라운드 하락으로 이어졌다. 에이전트는 무차별 결합 모티프에 상한을 두고, 비드 결합체를 빼고, 비G4 골격으로 전환해 특이도 72.4%, 온타깃 적중률 9배 상승인 33.5%에 도달했다.

고형암에서 과발현되는 수용체인 섬유아세포 활성화 단백질 알파(FAP)에서는 "단 몇 번의 실험"으로 한 자릿수 나노몰 결합체를 얻었다고 구글은 밝혔다. 보통 대규모 실험실 최적화를 거쳐야 도달하는 수준이라는 설명이다. 구조 예측 단계에서 표적의 나머지를 잘라내고 국소 결합 포켓만 남기자 이 단계가 구조 정확도 손실 없이 8.6배 빨라졌고, 같은 연산량에서 과학자와 에이전트의 협업은 과학자 단독 대비 in silico 적중률을 거의 두 배로 높였다.

설계 서열 승인, 프로토콜 검증, 로봇 운용 감독은 여전히 사람이 맡고 있으며, 구글은 에이전트가 의도치 않은 실험상의 지름길을 최적화하는 문제를 미해결 과제로 꼽았다. 구글이 밝힌 다음 단계는 VERID의 추적 가능한 자동화를 단백질 발견의 폐루프 학습과 결합하는 것이다.