천문·천체물리
LLM 에이전트로 우주론 시뮬레이션 보정하기: 'AgenticTuner' 제안
우주론 시뮬레이션 보정은 비용이 큰 고차원 매개변수 최적화 문제로, 기존 베이즈 최적화 방식은 시뮬레이터를 블랙박스로 취급해 인간의 도메인 지식이나 작업 흐름을 선택 정책에 반영할 수 없었다. 연구진은 대규모언어모델(LLM)이 다음 매개변수 시행을 제안하는 최적화 주체 역할을 맡는 에이전트형 보정 파이프라인 'AgenticTuner'를 제안했다. 코드베이스·문서·휴리스틱 가이드처럼 숙련된 과학자가 지닌 비정형의 사람이 읽을 수 있는 사전지식을 제공하면, 에이전트가 CPU 비용을 크게 낮추면서도 경쟁력 있는 보정 성능을 달성했다고 보고했다. 연구진은 이 작업이 복잡하고 장기적인 과학 과제를 수행하는 'AI 과학자'를 향한 초기 단계가 되기를 기대한다고 밝혔다.
arXiv astro-ph.IM (관측기기)