AI for Science(AI4S) Alert (2026.7.1~7.6)

this week's overview

이번 주(07.01~07.06)의 AI4S는 개별 연구 성과보다 제도화의 흐름이 두드러졌다. 앤스로픽은 7월 1일 과학자 전용 워크벤치 '클로드 사이언스(Claude Science)'를 정식 출시하고 50개 연구 프로젝트에 총 30만 달러 규모의 크레딧을 지원하는 그랜트 프로그램을 개방했다. 같은 날 UN 산하 독립 과학위원회는 첫 AI 평가 보고서를 발간했고, 이 보고서는 7월 6~7일 제네바에서 열린 'UN 글로벌 AI 거버넌스 대화'의 기초 자료로 활용됐다. 아시아에서는 서울 ICML 2026이 7월 6일 개막해 AI4S 세션이 본격화됐고, 싱가포르·중국은 각각 국가 단위 AI4S 인프라 구축에 속도를 냈다. 전반적으로 이번 주는 AI가 과학 연구의 보조 도구를 넘어 국가 연구 인프라이자 국제 거버넌스 의제로 자리잡는 전환점으로 평가된다.

주요 연구 성과 및 뉴스
앤스로픽, 과학자 전용 AI 워크벤치 '클로드 사이언스' 정식 출시
생명과학·산업
앤스로픽이 7월 1일 생명과학·의학 연구자를 위한 통합 워크벤치 '클로드 사이언스(Claude Science)'를 공개했다. PubMed, Jupyter, R, 클러스터 터미널 등으로 흩어져 있던 연구 작업을 하나의 환경에 통합한 것이 특징이다.
  • DB 연동 : UniProt·AlphaFold DB 등 60여 개 과학 데이터베이스와 연결돼 유전체학·단백질체학·화학정보학 워크플로를 단일 세션에서 처리한다.
  • 정확도 개선 : 별도 연구에 따르면 결정론적(deterministic) 검색 도구를 결합하면 바이러스 유전체 질의 응답 정확도가 최저 16.9%에서 90% 이상으로 크게 개선됐다.
  • 그랜트 프로그램 : 생물학·바이오의학을 중심으로 50개 연구 프로젝트에 각 최대 3만 달러의 API 크레딧을 지원하며, 신청은 7월 15일 마감된다.
🔗 anthropic.com/news/claude-science-ai-workbench 🔗 technologyreview.com
UN 독립과학위원회, 첫 AI 평가 보고서 발간
정책·거버넌스
UN 산하 독립국제과학위원회(Independent International Scientific Panel on AI)가 7월 1일 AI의 기회·위험·영향을 다룬 첫 예비 보고서를 공개했다. 요슈아 벤지오 교수가 이번 작업을 이끌었다.
  • 7대 영역 : 보고서는 AI 과학 발전 추세, 보건·교육·농업 등 사회적 응용, 경제적 함의, 안보·환경 영향, 거버넌스·신뢰성까지 총 7개 영역을 다룬다.
  • 경고 : 벤지오 교수는 "AI의 기만적 행동에 대한 증거가 늘고 있다 ; 과학은 아직 파국적 피해가 없을 것이라 보장할 수 없다"고 지적했다.
  • 격차 : 보고서는 AI 도입이 국가·분야별로 불균등하게 확산되고 있으며, 특히 글로벌 사우스의 활용도가 크게 뒤처진다고 밝혔다.
🔗 news.un.org/en/story/2026/07/1167853
UN 글로벌 AI 거버넌스 대화, 제네바에서 개막
국제행사·정책
7월 6~7일 스위스 제네바에서 'UN 글로벌 AI 거버넌스 대화(UN Global Dialogue on AI Governance)'가 개막했다. 위 독립 과학위원회 보고서가 각국 정부에 공식 제출되는 자리다.
  • 의제 : AI가 보건·과학 시스템에 기여할 잠재력과 국가 간 'AI 격차' 해소 방안이 핵심 의제로 논의됐다.
  • 연계 행사 : 같은 주간 제네바에서는 'AI for Good' 계열의 자연재해 회복력 관련 국제 이니셔티브 4차 회의도 함께 진행됐다.
  • 메시지 : 안토니우 구테흐스 UN 사무총장은 "각국 정부에 보내는 메시지는 간단하다 : 기다리지 말라"고 강조했다.
🔗 news.un.org/en/story/2026/07/1167853 🔗 aiforgood.itu.int
ICML 2026 서울 코엑스 개막, AI4Science 워크숍 본격화
컨퍼런스·학계
머신러닝 최고 권위 학회 ICML 2026이 7월 6일 서울 코엑스에서 개막했다. 7일부터 9일까지 본 학회가, 10~11일에는 AI4Science를 포함한 워크숍이 진행된다.
  • 정책 신설 : 이번 대회부터 논문 심사 과정의 LLM 활용을 규정하는 '리뷰 내 LLM 사용 정책'이 처음 도입됐다.
  • AI4Science 워크숍 : "AI 과학자 - 도구인가, 공동저자인가, 창시자인가?"를 주제로 계산생물학·재료과학 등 응용 분야 연구가 대거 발표된다.
  • 산업 후원 : 삼성종합기술원(SAIT)이 최우수 논문·포스터상을 후원하며, 자이라 테라퓨틱스 등 바이오·소재 기업도 경쟁 프로그램을 지원한다.
🔗 icml.cc 🔗 ai4sciencecommunity.github.io/icml26
최신 연구 동향 및 정책 논의
결정론적 검색 도구, 에이전트형 과학 연구의 신뢰성 좌우
생명과학·AI에이전트
하버드·브로드연구소 등 공동 연구진이 바이러스 유전체 데이터 검색에 특화된 결정론적 프레임워크 'gget virus'를 공개했다. AI 에이전트의 과학 데이터 처리 신뢰도를 높이는 인프라형 접근으로 주목받는다.
  • 문제 : 별도 검색 레이어 없이 질의할 경우, 클로드 소넷 4 등 최신 모델의 정확도는 16.9%에서 91.3%까지 편차가 컸다.
  • 해결 : gget virus를 도입하자 모든 평가 시스템에서 정확도가 최소 90.0%까지 상승했고, 대용량 질의의 데이터 전송량은 98% 이상 줄었다.
  • 시사점 : 연구진은 "생물학 데이터베이스 역시 AI 에이전트를 대규모 사용자로 상정해 설계될 필요가 있다"고 결론지었다.
🔗 arxiv.org/pdf/2606.06749
싱가포르·중국, 국가 단위 AI4S 인프라 구축 경쟁
정책·인프라
싱가포르국립대(NUS)는 국가연구재단(NRF)의 1억 2천만 싱가포르달러 규모 'AI4Science' 이니셔티브 아래 4개 프로젝트를 이번 주부터 본격 가동했다. 중국 베이징도 유사한 국가 전략을 이번 주 공개했다.
  • 싱가포르 : 차세대 반도체·청정 수소 설계를 앞당기기 위해 AI로 소재 후보를 탐색하는 프로젝트가 포함됐다.
  • 중국 : 베이징시는 2028년까지 자율실험실·로보틱스·고처리량 장비를 아우르는 'AI 기반 과학연구 글로벌 허브' 구축 정책 문서를 발표했다.
  • 대상 분야 : 물리·재료·보건·생명과학·양자·바이오육종 등이 이번 정책의 우선 지원 분야로 제시됐다.
🔗 straitstimes.com 🔗 letsdatascience.com
EU, AI 기반 첨단 소재 혁신 온라인 워크숍 개최
소재과학·정책포럼
유럽연합은 7월 1일 "AI가 첨단 소재 혁신을 어떻게 이끌어낼 것인가"를 주제로 온라인 워크숍을 열고, 신소재 개발 기간 단축을 위한 시뮬레이션 기술과 데이터 공유 방안을 논의했다.
  • 목표 : 배터리·촉매 등 신소재 탐색 주기를 AI 시뮬레이션으로 단축하는 방안이 중점 논의됐다.
  • 데이터 공유 : 회원국 간 소재 데이터베이스 표준화와 공유 체계 마련이 핵심 논제로 다뤄졌다.
  • 후속 일정 : 하반기 10월 중국 심천에서 열릴 AI4Science 2026 국제회의와 의제가 상당 부분 겹치는 것으로 평가된다.
🔗 ic-ai4science.org
이번 주의 AI4S 이슈
01
AI4S가 국가 연구 인프라로 제도화되고 있다. 앤스로픽의 클로드 사이언스 그랜트, 싱가포르 NRF의 국가 프로젝트, 베이징의 2028 허브 계획이 같은 주에 겹쳐 등장한 것은 우연이 아니다. 과학용 AI 투자가 기업 단위를 넘어 국가 전략 자산으로 옮겨가고 있다는 신호로 읽힌다.
02
과학용 AI의 경쟁력은 이제 모델 성능이 아니라 결정론적 도구·데이터 결합 능력으로 이동하고 있다. gget virus 연구와 클로드 사이언스의 60여 개 DB 통합 사례는 모두, 신뢰할 수 있는 검색·검증 레이어가 에이전트 정확도를 좌우한다는 공통된 결론을 보여준다.
03
UN 독립 과학위원회 보고서와 제네바 거버넌스 대화는 AI4S 논의를 국제 격차 해소의 문제로 확장시켰다. 보건·과학 잠재력을 강조하면서도 글로벌 사우스의 도입 격차를 명시적으로 경고한 점은, 앞으로의 AI4S 거버넌스가 성능 규제를 넘어 접근성 문제까지 다뤄야 함을 시사한다.
AI4S Alert · Weekly Brief · 2026.07.01 – 07.06

Comments

Post a Comment

Popular posts from this blog

"PaperBanana", AI Scientist 위한 논문 일러스트 생성 AI

Image
개요 PaperBanana는 학술 논문의 텍스트(방법론 설명)와 캡션을 입력받아, 출판 가능한 수준의 방법론 다이어그램과 통계 그래프를 자동으로 생성하는 에이전트 기반 AI 프레임워크다. Google Cloud AI Research와 중국 베이징대학교 연구진이 공동으로 개발했으며, 기존 AI Scientist 모델들이 텍스트나 코드 생성에는 강하지만 시각 자료 생성에는 취약하다는 문제를 정면으로 해결하고자 설계됐다. 연구 워크플로에서 그림 작업이 병목 현상으로 작용하는 현실을 타개하는 데 핵심 가치를 둔다. 문제 의식 논문용 이미지는 높은 정확성과 미적 완성도를 동시에 갖춰야 하기 때문에, 자동화가 가장 어려운 영역 중 하나였다. 기존 도구들은 각각 뚜렷한 한계를 안고 있었다. TikZ나 Python 기반의 코드형 시각화 도구는 복잡한 시각적 표현을 구현하는 데 한계가 있었고, 반대로 DALL-E나 Stable Diffusion 같은 일반 이미지 생성 모델은 환각(Hallucination) 현상으로 인해 세부 내용이 부정확하거나 텍스트 렌더링에 실패하는 경우가 잦았다. 학술 자료에 요구되는 엄밀한 수준을 맞추기엔 두 접근법 모두 역부족이었던 셈이다. 핵심 기술 - 5단계 에이전트 워크플로 PaperBanana가 기존 방식과 가장 크게 다른 점은, 단일 프롬프트 하나로 이미지를 뽑아내는 방식이 아니라 5개의 전문화된 AI 에이전트가 순차적으로 협업하는 구조를 채택했다는 데 있다. 첫 번째는 검색 에이전트이다. 데이터베이스에서 입력된 논문과 유사한 도메인 및 시각적 구조를 가진 고품질 참고 자료를 찾아오는 역할을 맡는다. 두 번째 기획 에이전트는 텍스트로 작성된 방법론 설명을 바탕으로, 검색된 참고 자료를 활용해 구체적인 이미지 설계 문서를 작성한다. 세 번째 스타일리스트 에이전트는 NeurIPS 스타일 등 학술적 표준에 맞춰 색상 팔레트, 레이아웃 같은 미적 요소를 다듬는다. 네 번째 시각화 에이전트가 설계된 내용을 바탕으로 실제 이미지를 생성...
Read more

AI 활용 6대 영역 및 인간-AI 협력 역할 분석

Image
  인공지능(AI)을 잘 활용할 수 있는  6가지  핵심 영역이 있다. 이들 영역에서 AI를 효율적으로 활용할 때, 즉 역할을 분담할 때 AI는 단순한 자동화 도구가 아닌 인간의 전략적 사고를 보조하고 최종적으로 성장을 돕는 '협력 파트너'가 될 것이다. ​ 1. 정보 요약 및 재구성  (AI는 현명한 정보 필터) ​ AI :  (실행 및 기반 마련)  방대한 문서와 데이터에서 핵심 정보를 정확하게 추출하고, 중복을 제거하며, 새로운 구조로 재배열하여 인간이 이해하기 쉬운 형태로 가공한다.  人  :  (전략적 사고)  AI가 정리한 정보를 바탕으로 '무엇을 믿고', '어떻게 해석하며', '어떤 방향으로 질문을 던질지' 결정하는 고차원적인 분석과 판단에 집중한다. ​2. 반복 업무 자동화 및 최적화  (AI는 확실한 효율 관리자) ​ AI :    (기계적 실행 및 최적화)  자료 분류, 데이터 입력, 형식 통일 등 매일 반복되는 저부가가치 업무를 처리하여 작업의 안정성과 효율성을 확보한다. ​ 人  :  (전략 기획)  확보된 시간을 활용하여 사람과의 관계, 창의적인 문제 해결, 조직의 미래 전략 구상 등 인간만이 할 수 있는 '고가치 활동'에 에너지를 집중한다. ​3. 아이디어 발상 및 확장  (AI는 끈질긴 브레인스토밍 파트너) ​​ AI  :  (창의적 지원)  막연한 아이디어를 다양한 관점, 유사 사례, 응용 버전으로 끊임없이 변주하여 사고의 폭을 넓히고 초기 아이디어의 잠재력을 극대화한다.  人  :  (최종 판단 및 선택) AI가 제시한 수많은 옵션 중에서 인간의 경험과 직관을 활용해 가장 현실적이고 효과적인 아이디어를 선별하고 실행 계획을 확정한다. ​4. 코드 생성 및 디버깅  (AI는 든든한 개...
Read more

NK 신문기사 데이터의 정량화 방안 (안) : 북한 기업소 밸류체인(VC) 분석 프로세스

Image
신문 기사 데이터를 정량적 분석 데이터로 전환하는 체계적인 프로세스는 다음과 같다. <1단계> 데이터 수집 및 표준화 (Data Collection) 북한 매체(로동신문, 조선중앙통신 등)에서 특정 기업소명을 키워드로 기사를 추출하고, 통합 워크시트를 작성하는 단계이다. 수집 대상: 로동신문, 민주조선, 조선중앙통신 등 북한 관영 매체 워크시트 구성 : 순번 | 기사제목 | 출처 | 일자 | 기사내용(Raw Text) 표준화 작업 : 일자 형식을 YYYY-MM-DD로 통일하고, 중복 기사나 단순 동정 보도는 선별하여 제거한다. <2단계> 경영 활동 내용 추출 및 요약 기사 내용 중 기업의 경영 성과, 기술 도입, 설비 보수 등 실질적인 경영 행위를 식별하여 요약하는 단계이다. 핵심 식별 요소 : 신규 설비 도입, 기술 혁신안 적용, 원자재 반입, 목표 달성률 등 작성 원칙 : 북한식 수사적 표현(예, '충성의 돌격전', '불타는 열의')을 배제하고, '무엇을(대상)', '어떻게(수단)', '결과(성과)' 중심으로 평어체 요약한다. <3단계> 밸류체인(VC) 분류 및 매핑 요약된 경영활동을 사전 정의된 6개 항목으로 분류한다. 북한 산업의 특수성을 고려하여 분류 기준을 명확히 한다. VC 6개 항목 정의(예시) R&D : 기술혁신안, 창안 도입, 과학기술보급실 운영 조달 : 파철 수집, 연료/원자재 반확보, 외부 자재 반입 생산 : 용해 공정, 압연 실적, 일일 계획 초과 달성 설비 : 보수 및 정비, 현대화 개건 공사, 국산화 설비 교체 품질 : 규격화, 검사 강화, 강재의 질적 향상 군수/기타 : 군수품 생산 지원, 대외 협력, 후방 사업 중복 분류: 하나의 활동이 설비 현대화와 생산 증대에 동시에 기여한다면 두 항목 모두 표기한다. <4단계> 정량 분석 데이터 구축 분류된 데이터를 통계 분석이 가능한 형태의 최종 ...
Read more